人在环强化学习用于粒子物理实验中的数据质量监控
高能物理 - 实验
2024-05-27 v1 机器学习
摘要
数据质量监控（DQM）是大型粒子物理实验中的关键任务，因为探测器故障可能危及数据。目前DQM由人类值班员执行，成本高昂且精度有限。在这项工作中，我们提供了一个概念验证，将人在环强化学习（RL）应用于自动化DQM过程，同时适应随时间变化的工作条件。我们基于近端策略优化（PPO）算法实现了一个原型，并在简化的合成数据集上进行了验证。我们展示了如何训练一个多智能体系统，在数据收集期间进行连续自动监控，仅在相关时主动请求人类干预。我们证明，人类分类中的随机无偏噪声可以被降低，从而相比基线提高精度。此外，我们提出了数据增强技术以处理稀缺数据并加速学习过程。最后，我们讨论了在实际中实施该方法所需的进一步步骤，包括算法输出的定期控制协议。
引用
@article{arxiv.2405.15508,
title = {Human-in-the-loop Reinforcement Learning for Data Quality Monitoring in Particle Physics Experiments},
author = {Olivia Jullian Parra and Julián García Pardiñas and Lorenzo Del Pianta Pérez and Maximilian Janisch and Suzanne Klaver and Thomas Lehéricy and Nicola Serra},
journal= {arXiv preprint arXiv:2405.15508},
year = {2024}
}