基于图神经网络在高占用率成像量能器中实现端到端多粒子重建
仪器与探测器
2022-10-03 v3 计算机视觉与模式识别
机器学习
高能物理 - 实验
摘要
我们提出一种端到端重建算法，用于在下一代高粒度量能器（类似于 CMS 探测器高亮度升级所预期的）中从探测器击中构建粒子候选。该算法利用距离加权图神经网络，以目标凝聚（一种图分割技术）进行训练。通过单次方法，重建任务与能量回归相结合。我们从效率以及能量分辨率方面描述重建性能。此外，我们展示了该方法的喷注重建性能并讨论其推理计算成本。据我们所知，本工作是首个在高亮度条件、200 堆积本底下对 粒子进行单次量能重建的实例。
引用
@article{arxiv.2204.01681,
title = {End-to-end multi-particle reconstruction in high occupancy imaging calorimeters with graph neural networks},
author = {Shah Rukh Qasim and Nadezda Chernyavskaya and Jan Kieseler and Kenneth Long and Oleksandr Viazlo and Maurizio Pierini and Raheel Nawaz},
journal= {arXiv preprint arXiv:2204.01681},
year = {2022}
}