基于环形结构的机器学习校准与现场泰压修正用于实时喷油触发
高能物理 - 唯象学
2025-07-23 v1 高能物理 - 实验
摘要
我们提出一种机器学习方法，用于在高亨利大型强子对撞机（HL-LHC）的实时触发系统中对喷油能量进行校准。该方法在现场可编程门阵列（FPGA）上实现高效计算。通过对固定半径锥体种子区域 0.1×0.1 塔的电磁与喷油贡献构成同心环，进行回归估计喷油候选的横向能量，同时考虑现场泰压修正。分类方法使用相同输入将硬散射喷油与泰压喷油分离，其输出提供回归估计的修正系数。我们在基于 ATLAS 构型的模拟样本中测试了该算法，模拟环境中每束交叉处有 200 个同时发生的质子-质子碰撞。我们的方法在实时触发系统中显著提升了保存 HH→bbbb 型号信号的效率，相较于传统锥形喷油算法提升约为两倍。
引用
@article{arxiv.2507.16686,
title = {Ring-based ML calibration with in situ pileup correction for real-time jet triggers},
author = {Benjamin T. Carlson and Stephen T. Roche and Michael Hemmett and Tae Min Hong},
journal= {arXiv preprint arXiv:2507.16686},
year = {2025}
}
备注
6 pages, 6 figures