研究人员开发了一种新颖的图神经网络(GNN)架构,称为Manifold Helical-IN,用于高亮度大型强子对撞机(HL-LHC)的粒子径迹重建。该新模型利用了到螺旋流形上的几何投影,以更好地识别低横向动量粒子径迹并将其与噪声区分开。Manifold Helical-IN在虚假径迹率方面表现出显著的改进,与先前的方法相比降低了13倍,同时保持了高重建效率和相干性。它在NVIDIA A100 GPU上具有高效的推理延迟,使其适用于高层触发系统中的实时应用,有可能实现对超出标准模型稀有信号的探测。 AI
影响 这种新的GNN架构通过提高高能对撞机中的粒子径迹重建效率,有可能实现对稀有物理信号的实时探测。
排序理由 详细介绍一种用于粒子物理学的新GNN架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →