基于图神经网络的 Belle II 量能器光子重建
高能物理 - 实验
2024-03-05 v2 仪器与探测器
摘要
我们展示了一种使用图神经网络对 Belle II 电磁量能器进行模糊聚类算法的研究。我们使用包含模拟束流背景的真实探测器模拟，并聚焦于孤立光子和重叠光子的重建。我们发现，相比于当前使用的重建算法，对于能量 E < 0.5 GeV 且束流背景水平较高的光子，孤立光子和重叠光子的能量分辨率均有显著提升，改善幅度超过 30%。总体而言，GNN 重建改善了分辨率并减少了重建能量分布的尾部，因此是 Belle II 即将到来的高亮度运行的一个有前景的方案。
引用
@article{arxiv.2306.04179,
title = {Photon Reconstruction in the Belle II Calorimeter Using Graph Neural Networks},
author = {F. Wemmer and I. Haide and J. Eppelt and T. Ferber and A. Beaubien and P. Branchini and M. Campajola and C. Cecchi and P. Cheema and G. De Nardo and C. Hearty and A. Kuzmin and S. Longo and E. Manoni and F. Meier and M. Merola and K. Miyabayashi and S. Moneta and M. Remnev and J. M. Roney and J. -G. Shiu and B. Shwartz and Y. Unno and R. van Tonder and R. Volpe},
journal= {arXiv preprint arXiv:2306.04179},
year = {2024}
}
备注
18 pages, 11 figures