用于液氩时间投影室中物体重建的图神经网络
高能物理 - 实验
2023-02-18 v2
摘要
本文提出一种图神经网络（GNN）技术，用于液氩时间投影室（LArTPC）中中微子相互作用的低级重建。GNN 仍是一种相对新颖的技术，并已在 LHC 的类似重建任务中展现出巨大前景。本文中，使用多头注意力消息传递网络，通过标记图边来对探测器击中之间的关系进行分类，确定击中是否由同一潜在粒子产生，若是，则确定粒子类型。训练后的模型总体准确率为 84%，并在 EM 簇射和缪子径迹类上表现最佳。讨论了该模型的优势与不足，并总结了进一步发展该技术的计划。
引用
@article{arxiv.2103.06233,
title = {Graph Neural Network for Object Reconstruction in Liquid Argon Time Projection Chambers},
author = {V Hewes and Adam Aurisano and Giuseppe Cerati and Jim Kowalkowski and Claire Lee and Wei-keng Liao and Alexandra Day and Ankit Agrawal and Maria Spiropulu and Jean-Roch Vlimant and Lindsey Gray and Thomas Klijnsma and Paolo Calafiura and Sean Conlon and Steve Farrell and Xiangyang Ju and Daniel Murnane},
journal= {arXiv preprint arXiv:2103.06233},
year = {2023}
}
备注
7 pages, 3 figures, submitted to the 25th International Conference on Computing in High-Energy and Nuclear Physics