使用 MLP 和 PINN 对粒子进行鉴别
计算机视觉与模式识别
2025-09-23 v1 机器人学
摘要
在实验核和粒子物理学中，提取稀有事件高纯度样本的效率和准确性，关键依赖于粒子鉴别(PID)的性能。本文提出了一种应用于 HADES 数据的 PID 方法，针对完全重构的粒子轨迹候选对象进行处理。结果表明，与传统技术相比，PID 性能显著提升，凸显了物理信息神经网络作为未来数据分析强大工具的潜力。
引用
@article{arxiv.2509.17684,
title = {DINOv3-Diffusion Policy: Self-Supervised Large Visual Model for Visuomotor Diffusion Policy Learning},
author = {ThankGod Egbe and Peng Wang and Zhihao Guo and Zidong Chen},
journal= {arXiv preprint arXiv:2509.17684},
year = {2025}
}