CMS Open Data
PulseAugur coverage of CMS Open Data — every cluster mentioning CMS Open Data across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新AI方法检测粒子碰撞数据中的异常
研究人员开发了一种新的无监督异常检测方法，用于粒子物理学中的喷注事件，使用了基于似然性的归一化流密度估计。该技术在大型强子对撞机CMS实验的高维数据上训练一个归一化流模型，以学习标准模型背景。在此模型下似然性得分低的事件被标记为潜在异常，在本研究中，这些异常显示出喷注子结构和事件拓扑的偏差，而不是一个明显的质量峰值。
-
利用流匹配在CMS开放数据上探索暗物质灵敏度
研究人员开发了一种利用CMS开放数据中的流匹配技术来研究暗物质的方法。该方法使用在选定事件上训练的条件流匹配连续归一化流来模拟背景。该方法在特定暗物质基准测试中达到了高达7.62σ的预期显著性，并且一项消融研究表明，额外射流的运动学对区分有显著贡献。
-
量子机器学习模型在选定高能物理事件中的应用测试
一篇新研究论文探讨了量子机器学习模型在选定高能物理事件中的应用，特别使用了CMS开放数据。该研究将四种经典机器学习模型与四种混合量子模型进行了比较，评估了它们在二元分类任务上的性能。虽然人工神经网络在经典模型中表现最佳，但量子卷积网络也取得了强劲的成果，证明了在有限量子比特预算内混合量子方法的潜力。
-
视觉Transformer在大型强子对撞机喷注分类方面优于CNN
研究人员探索了将视觉Transformer (ViTs) 应用于使用大型强子对撞机量热仪图像进行夸克-胶子喷注分类。他们的研究利用了模拟的CMS Open Data，构建了多通道喷注视图图像，以实现端到端学习方法。研究结果表明，基于ViT的模型，特别是像ViT+MaxViT和ViT+ConvNeXt这样的混合架构，在准确率、F1分数和ROC-AUC方面优于传统的卷积神经网络，因为它们能有效地捕捉喷注子结构内的长距离空间相关性。