面向粒子探测器信号重建的机器学习模型开发与可解释性
仪器与探测器
2025-04-25 v1 高能物理 - 实验
计算物理
摘要
机器学习方法正在被引入高能物理实验中数据重建与分析各个环节。我们present了一种基于修改化自动编码器架构的卷积神经网络开发与应用，用于重建电磁热力学器中单个荧光晶体的脉冲到达时间和振幅。讨论了网络性能，以及应用可解释人工智能方法进一步探究该算法并提高输出准确性。
引用
@article{arxiv.2504.17272,
title = {Development and Explainability of Models for Machine-Learning-Based Reconstruction of Signals in Particle Detectors},
author = {Kalina Dimitrova and Venelin Kozhuharov and Peicho Petkov},
journal= {arXiv preprint arXiv:2504.17272},
year = {2025}
}
备注
This article was published in Particles, 2025, 8, 48, DOI: 10.3390/particles8020048