PhyGHT：面向 HL-LHC 信号净化的物理导向超图变换器
高能物理 - 实验
2026-05-27 v2 机器学习
摘要
CERN 的高亮度大型强子对撞机（HL-LHC）将产生前所未有的数据集，以揭示宇宙基本属性。然而，实现其发现潜力面临重大挑战：从被约 200 场同时pileup碰撞主导的巨大背景中抽取微小信号比例。这种极端噪声严重扭曲了用于精确重构的物理可观测量。为此，我们引入了物理导向超图变换器（PhyGHT），一种混合架构，结合距离感知的局部图注意力与全局自注意力，以镜像大型强子对撞机中粒子喷流形成的物理拓扑结构。关键在于，我们集成了pileup抑制门（PSG），一种可解释且受物理约束的机制，显式学习在超图聚合之前过滤软性噪声。为验证我们的方法，我们发布了一个新模拟数据集，用于建模极端pileup条件下的顶夸克对产生。PhyGHT 在预测信号能量和质量校正因子方面超越了来自 ATLAS 和 CMS 实验的领先基准。通过准确重构顶夸克的不变质量，我们展示了机器学习创新与跨学科合作如何直接推动实验物理学发现的前沿，从而增强 HL-LHC 的发现潜力。该数据集和代码已发布于 https://github.com/rAIson-Lab/PhyGHT。
引用
@article{arxiv.2602.20475,
title = {PhyGHT: Physics-Guided HyperGraph Transformer for Signal Purification at the HL-LHC},
author = {Mohammed Rakib and Luke Vaughan and Shivang Patel and Flera Rizatdinova and Alexander Khanov and Atriya Sen},
journal= {arXiv preprint arXiv:2602.20475},
year = {2026}
}
备注
Accepted by KDD 2026