TPCpp-10M：用于 AI 基础模型的 Time Projection Chamber 中模拟的质子-质子碰撞
数据分析、统计与概率
2025-09-09 v1
摘要
科学基础模型在推动核和粒子物理学进步方面具有巨大潜力，能够提高分析精度并加速发现进程。然而，由于缺乏公开可用的大规模数据集、标准化的评估任务和指标，以及通常需要专业知识和软件才能处理粒子物理数据这一障碍，使得该领域的进展常受限。本工作引入了一个由 1000 万个模拟质子-质子碰撞组成的大型公开数据集，旨在支持自监督式基础模型的训练。为便于使用，该数据集以标准 NumPy 格式提供。此外，数据集包括 70,000 个标记示例，涵盖三个明确定义的下游任务：轨迹查找、粒子鉴别和噪声标记，以有效评估基础模型的可适应性。模拟数据使用 Pythia Monte Carlo 事件发生器生成，中心对称能为 GeV，并使用 Geant4 包括真实探测器条件和信号模拟，模拟位于布鲁克海尼国家实验室的相对重力子对撞机（RHIC）上的 sPHENIX Time Projection Chamber。该数据资源为跨学科研究建立了共同基础，使机器学习科学家和物理学家均可探索规模行为、评估可迁移性并推动核能与高能物理学中的基础模型进程。完整的模拟和重建链可使用 sPHENIX 软件堆栈实现可重复。所有数据和代码位置均列于数据可及性条款中。
引用
@article{arxiv.2509.05792,
title = {TPCpp-10M: Simulated proton-proton collisions in a Time Projection Chamber for AI Foundation Models},
author = {Shuhang Li and Yi Huang and David Park and Xihaier Luo and Haiwang Yu and Yeonju Go and Christopher Pinkenburg and Yuewei Lin and Shinjae Yoo and Joseph Osborn and Christof Roland and Jin Huang and Yihui Ren},
journal= {arXiv preprint arXiv:2509.05792},
year = {2025}
}