用于强子对撞机中新型事例描述的最优传输

我们提出了一种在如 LHC 等强子对撞机上厘清质子对撞的新策略，其相较当前最先进水平有显著改进。采用受最优传输问题启发的度量作为图神经网络的代价函数，我们的算法能够比较具有不同噪声水平的两个粒子集合，并学习在多达 200 次同时发生的pileup对撞产物中标记出来自主相互作用的粒子。由此，我们规避了通过标记粒子获取真值的关键任务，并避免繁重的人工标注，转而通过自监督过程就地导出标签。我们展示了我们的方法——与竞争算法不同，其实现轻而易举——如何改善用于精度测量与搜索的关键对象的分辨率，并呈现了在高亮度 LHC 上搜索奇异 Higgs 玻色子衰变中的巨大灵敏度增益。