TrackFormers 第 2 部分：用于高能物理轨迹重建的增强变换器模型
高能物理 - 实验
2026-03-17 v2 机器学习
摘要
高能物理实验正在快速增加数据生成量的趋势，这一趋势将在即将到来的高亮度 LHC 升级后进一步加剧。这一数据激增 necessitates 对数据处理管线中的关键环节进行重要修订，其中粒子轨迹重建是主要受益对象之一。在我们的前期工作中，我们引入了“TrackFormers”，这是一套基于变换器的单次编码器-only 模型，有效地将击中事件与预期轨迹关联起来。在本研究中，我们通过深入调查更自定义的变换器注意力机制、一种结合几何投影和轻量级聚类的新设计，以及联合模型对分类进行回归预测条件化等方面，扩展了我们的早期工作。此外，我们讨论了新的数据集，允许针对一系列物理过程在击中级别进行训练。这些发展共同旨在提高轨迹模型的准确性和潜在的效率，为下一代高能物理实验的需求提供稳健的解决方案。
引用
@article{arxiv.2509.26411,
title = {TrackFormers Part 2: Enhanced Transformer-Based Models for High-Energy Physics Track Reconstruction},
author = {Sascha Caron and Nadezhda Dobreva and Maarten Kimpel and Uraz Odyurt and Slav Pshenov and Roberto Ruiz de Austri Bazan and Eugene Shalugin and Zef Wolffs and Yue Zhao},
journal= {arXiv preprint arXiv:2509.26411},
year = {2026}
}