研究人员开发了一种新颖的强化学习（RL）应用，用于大型强子对撞机（LHC）的实时事件过滤。通过将分组过滤策略优化（GFPO）应用于流式数据，RL代理可以动态调整触发阈值，以在保持目标背景率的同时最大化信号效率。该方法在应用于CMS Run 283408真实碰撞数据时，显示出显著的改进，横向能量触发器的容忍时间增加了56％，异常检测触发器的容忍时间增加了28％，标志着RL首次在此类环境中用于触发控制。 AI
影响 展示了一种使用AI优化复杂实时系统的新方法，可能适用于其他高吞吐量的科学设施。
排序理由 详细介绍强化学习在新科学仪器中新颖应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
