ProtoDUNE 原始数据去噪的深度学习策略
高能物理 - 唯象学
2022-01-19 v2 机器学习
高能物理 - 实验
计算物理
机器学习
摘要
在这项工作中，我们研究了基于机器学习的不同策略，用于对来自 ProtoDUNE 实验的原始模拟数据进行去噪。ProtoDUNE 探测器由 CERN 托管，旨在测试和校准 DUNE（一项即将开展的 neutrino 物理实验）的技术。重建工作流程包括将数字探测器信号转换为物理高层量。我们处理重建的第一步，即原始数据去噪，利用深度学习算法。我们设计了两种基于图神经网络（graph neural network）的架构，旨在增强基础卷积神经网络的感受野。我们将该方法与 DUNE 合作组实现的传统算法进行基准比较。我们测试了图神经网络硬件加速器配置加速训练和推理过程的能力。
引用
@article{arxiv.2103.01596,
title = {Deep Learning strategies for ProtoDUNE raw data denoising},
author = {Marco Rossi and Sofia Vallecorsa},
journal= {arXiv preprint arXiv:2103.01596},
year = {2022}
}
备注
9 pages, 7 figures, 3 tables. Code available at https://github.com/marcorossi5/DUNEdn