捕获与延续：用于搜寻径迹候选的循环神经网络

高能与核物理中数据处理最重要的问题之一是事例重建。其主要部分是径迹重建过程，即在探测器中飞行的初等粒子穿过探测器时留下的海量点（所谓击中，即飞行粒子触发探测器坐标平面所产生的）中寻找所有径迹。遗憾的是，由于多丝、条带和 GEM 探测器的固有缺陷——其中由触发条带的额外虚假交叉引起大量伪击中，径迹追踪受到严重阻碍。由于这些伪击中的数量比真实击中高出几个数量级，人们面临通过忽略伪击中的真实击中来厘清可能径迹候选的相当严重的困难。我们引入了一种改进方法，是对我们先前两阶段方法的重大改进：该两阶段方法基于有向 K-d 树搜索的击中预处理，随后使用深度神经分类器。我们将这两个阶段合二为一，应用循环神经网络同时判定一组点是否属于真实径迹，并预测在探测器下一坐标平面上何处寻找径迹的下一个点。我们表明所提出的深度网络更精确、更快速且不需要任何特殊的预处理阶段。给出了我们的方法对 BM@N GEM 探测器模拟事例的初步结果。