PulseAugur
中
实时 07:38:43
English(EN) Machine Learning methods for event classification and vertex reconstruction of the 12C + 12C reaction with the MATE-TPC

机器学习增强核物理事件分类

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员将机器学习模型（包括ResNet和VGG）应用于使用MATE-TPC进行的涉及12C + 12C反应的核物理实验中的事件分类。这些模型在模拟数据上达到了约97%的准确率，在实验数据上达到了约90%的准确率，在识别特定事件方面优于传统方法。此外，还开发了一个用于反应顶点重建的CNN模型，证明了机器学习技术在分析复杂核反应数据方面的有效性，并为未来的研究铺平了道路。 AI

影响 展示了机器学习在复杂科学数据分析中的实用性，有可能加速核物理领域的发现。

排序理由 这是一篇详细介绍机器学习模型在核物理特定问题中应用的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

机器学习增强核物理事件分类

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Minghui Zhang, Xiaobin Li, Jie Chen, Ningtao Zhang, Fenhua Lu, Junrui Ma, Jiazhen Yan, Wanqin Tu, Xiaodong Tang, Bingshui Gao, Chengui Lu, Zhichao Zhang, Jinlong Zhang, Weiping Liu ·

    MATE-TPC用于12C + 12C反应事件分类和顶点重建的机器学习方法

    arXiv:2605.28296v1 Announce Type: new Abstract: In modern nuclear physics experiments, identifying events of interest is challenging for nuclear reaction studies with the active target Time Projection Chamber (TPC). In this work, machine learning techniques are employed to analyz…

相关实体

相关话题