学习高效的 neutrino 探测器事件表示

neutrino 探测器通过探测来自宇宙最极端环境中产生的粒子相互作用来实现其功能。这通过在体积为立方公里的天然透明介质中布置光传感器器件来实现。鉴于其巨大的规模和高频背景相互作用，这些探测器积累了大量高方差、高维数据。这些属性为分析和重建相互作用（特别是当利用机器学习（ML）技术时）带来了严峻挑战。本文提出了一种新方法，称为 om2vec，利用基于 transformer 的变分自编码器来高效地表示 neutrino 探测器事件中检测到的光子到达时间分布，通过学习紧凑且具描述性的潜在表示。我们展示，这些潜在表示提供了更大的灵活性和改进的计算效率，从而促进了数据分析中的下游任务。