中微子-原子核相互作用中的顶点寻找：一种模型架构比较
高能物理 - 实验
2022-09-14 v1 数据分析、统计与概率
仪器与探测器
摘要
我们比较了用于识别 MINERvA 探测器中中微子相互作用顶点位置的不同神经网络架构的机器学习（ML）算法。将手工开发与优化的架构，与使用橡树岭国家实验室（ORNL）开发的“多节点深度进化神经网络”（MENNDL）包以自动化方式开发的架构进行比较。两种架构表现出相似性能，表明与优化网络架构相关的系统误差较小。此外，我们发现，尽管领域专家手工调优的网络性能最佳，但差异可忽略不计，且自动生成的网络表现良好。网络优化中人力与计算机资源之间总存在权衡，本工作表明，在资源可用前提下，自动化优化提供了一种节省大量专家时间的引人注目途径。
引用
@article{arxiv.2201.02523,
title = {Vertex finding in neutrino-nucleus interaction: A Model Architecture Comparison},
author = {F. Akbar and A. Ghosh and S. Young and S. Akhter and Z. Ahmad Dar and V. Ansari and M. V. Ascencio and M. Sajjad Athar and A. Bodek and J. L. Bonilla and A. Bravar and H. Budd and G. Caceres and T. Cai and M. F. Carneiro and G. A. Díaz and J. Felix and L. Fields and A. Filkins and R. Fine and P. K. Gaura and R. Gran and D. A. Harris and D. Jena and S. Jena and J. Kleykamp and A. Klustová and D. Last and A. Lozano and X. G. Lu and E. Maher and S. Manly and W. A. Mann and K. S. McFarland and B. Messerly and J. Miller and O. Moreno and J. G. Morfín and J. K. Nelson and C. Nguyen and A. Olivier and V. Paolone and G. N. Perdue and K. J. Plows and M. A. Ramírez and D. Ruterbories and H. Su and V. S. Syrotenko and A. V. Waldron and B. Yaeggy and L. Zazueta},
journal= {arXiv preprint arXiv:2201.02523},
year = {2022}
}