TIDMAD：用于 AI 去噪探测暗物质的时间序列数据集
机器学习
2025-10-29 v3 高能物理 - 实验
摘要
暗物质构成我们宇宙中总物质的约 85%，但迄今为止尚未在地球上的任何实验室进行直接探测。暗物质的起源是当代物理学中最重要的问题之一，对暗物质的令人信服的探测将是基础科学中一个诺贝尔奖水平的突破。ABRACADABRA 实验就是专门为搜索暗物质而设计的。尽管尚未实现发现，ABRACADABRA 已经产生了得到物理学界广泛认可的多个暗物质搜索结果。该实验以每秒 1000 万个样本的速率生成超长时间序列数据，其中暗物质信号会以正弦振荡模式在超长时间序列中呈现。本文提出了 TIDMAD——来自 ABRACADABRA 实验的全面数据发布，包括三个关键组成部分：划分为训练、验证和科学子集的超长时间序列数据集；为直接模型基准测试精心设计的去噪得分；以及产生适合作为物理学论文发表的社区标准暗物质搜索结果的完整分析框架。该数据发布使核心 AI 算法能够从暗物质信号中提取信息并产生真实的物理学结果，从而推动基础科学进步。数据下载及相关分析脚本可在 https://github.com/jessicafry/TIDMAD 获取。
关键词
引用
@article{arxiv.2406.04378,
title = {TIDMAD: Time Series Dataset for Discovering Dark Matter with AI Denoising},
author = {J. T. Fry and Xinyi Hope Fu and Zhenghao Fu and Kaliroe M. W. Pappas and Lindley Winslow and Aobo Li},
journal= {arXiv preprint arXiv:2406.04378},
year = {2025}
}
备注
Accepted by NeurIPS 2025 (Spotlight)