High Luminosity Large Hadron Collider
PulseAugur coverage of High Luminosity Large Hadron Collider — every cluster mentioning High Luminosity Large Hadron Collider across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新的GNN架构改进了HL-LHC实验的粒子径迹重建
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…
-
深度集合模型增强大型强子对撞机上的喷注拒绝 · 跟踪1个来源
研究人员开发了DIPz,一种利用深度集合来改进高能物理实验中喷注拒绝的机器学习模型。该模型通过分析带电粒子轨迹来估计喷注的起源,并将这些预测组合成一个事件级的判别器。DIPz在大型强子对撞机第三次运行时部署,已成功将背景速率降低了50%以上,并将CPU消耗减少了约三分之一,从而增强了多喷注末态的选择。
-
CERN与Mistral AI合作,推进科学领域的人工智能发展
CERN与Mistral AI已建立战略合作伙伴关系,以推进科学研究中的人工智能。此次合作旨在开发用于科学发现的基础模型,初期将重点关注高能物理学。该伙伴关系将结合CERN的海量科学数据和计算基础设施与Mistral在训练大规模人工智能模型方面的专业知识,以创建一个用于分析粒子碰撞的“大型物理模型”。
-
欧洲核子研究中心与Mistral AI合作开发用于LHC数据的大型物理模型
欧洲核子研究中心(CERN)和Mistral AI宣布建立战略合作伙伴关系,共同开发大型物理模型(Large Physics Model),这是一种专为科学应用设计的AI基础模型。此次合作旨在利用AI处理像大型强子对撞机(Large Hadron Collider)这样的粒子加速器产生的海量数据。该模型将以模拟粒子碰撞数据进行训练,并旨在取代用于重建碰撞、识别粒子和标记异常等任务的多个专用算法,可能为其他科学领域类似的AI应用铺平道路。
-
新的AI方法增强了HL-LHC新物理的异常检测能力
研究人员开发了一种在High Luminosity Large Hadron Collider (HL-LHC)粒子物理实验中进行异常检测的新方法。该方法利用碰撞事件的学习表示来识别超出标准模型的新物理现象。该方法在COLLIDE-2V数据集上进行了评估,结果表明监督学习目标通常优于自监督学习目标,提高了信号效率。还引入了一个新颖的诊断流程来分析标记的事件,区分新物理与探测器效应,并识别用于进一步研究的关键可观测量。
-
AI模型将加速LHC对撞机事件的生成
研究人员开发了一种使用自回归Transformer和残差量化令牌生成对撞机事件数据的新方法。该方法旨在通过创建更快的、基于机器学习的替代方法来模拟和重建高亮度大型强子对撞机预期的计算瓶颈。该模型展示了条件生成能力,并对其在各种数据集和模型大小上的缩放行为进行了研究,表明令牌级别的损失可以预测下游物理保真度。
-
新的ORCA框架增强了对撞机物理学中可解释异常检测的能力
研究人员开发了一个名为ORCA的新框架,用于对撞机物理学实验中的异常检测,该框架专为高亮度大型强子对撞机设计。这种两阶段方法使用监督对比学习来创建一个可解释的嵌入空间,然后将其输入到自动编码器中进行异常评分。ORCA旨在通过提供对新物理信号更灵敏的检测,并允许通过将事件归因于已知物理过程来解释异常分数,从而克服现有方法的局限性。
-
大型强子对撞机升级为高亮度后继者
大型强子对撞机(LHC)正在进行重大升级,以换代其后继者高亮度LHC(HL-LHC)。虽然在很大程度上保留了其原始结构,但增强型机器的设计旨在提供比其前身高十倍的亮度。此次升级旨在提高对撞机的科学产出,尽管开发者保证其不会带来生存威胁。
-
HEPTv2 Transformer 在粒子重建领域达到最先进水平
研究人员开发了HEPTv2,这是一种端到端的点Transformer架构,专为高能物理中的带电粒子重建而设计。该新模型绕过了传统的图构建和辅助阶段,优化了整个流水线的速度和准确性。HEPTv2 在 TrackML 基准测试中取得了最先进的性能,在跟踪效率方面取得了显著改进,并大幅减少了推理时间和内存使用量。
-
新AI模型增强高亮度LHC信号净化能力
研究人员开发了PhyGHT,一种新颖的物理引导超图Transformer,用于改善高亮度大型强子对撞机(HL-LHC)的信号净化。该架构结合了图注意力与全局自注意力,并引入了一个物理约束的堆积抑制门,在数据聚合前过滤噪声。该模型在极端堆积条件下重建顶夸克对产生信号方面表现优于现有方法,增强了HL-LHC的发现潜力。