論文の概要: Vision Calorimeter for Anti-neutron Reconstruction: A Baseline
- arxiv url: http://arxiv.org/abs/2408.10599v1
- Date: Tue, 20 Aug 2024 07:14:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-08-21 14:54:06.889657
- Title: Vision Calorimeter for Anti-neutron Reconstruction: A Baseline
- Title(参考訳): 抗中性子再建のための視線量計 : ベースライン
- Authors: Hongtian Yu, Yangu Li, Mingrui Wu, Letian Shen, Yue Liu, Yunxuan Song, Qixiang Ye, Xiaorui Lyu, Yajun Mao, Yangheng Zheng, Yunfan Liu,
- Abstract要約: ビジョン・カロリメータ (ViC) は、深層学習検出器を用いた反中性子再構成のためのベースライン法である。
ViCは従来の再建手法よりも大幅に優れており、インシデント位置の予測誤差を42.81%削減している。
本研究は, インシデント$barn$運動量の測定を初めて実現した。
- 参考スコア(独自算出の注目度): 32.87485708592552
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In high-energy physics, anti-neutrons ($\bar{n}$) are fundamental particles that frequently appear as final-state particles, and the reconstruction of their kinematic properties provides an important probe for understanding the governing principles. However, this confronts significant challenges instrumentally with the electromagnetic calorimeter (EMC), a typical experimental sensor but recovering the information of incident $\bar{n}$ insufficiently. In this study, we introduce Vision Calorimeter (ViC), a baseline method for anti-neutron reconstruction that leverages deep learning detectors to analyze the implicit relationships between EMC responses and incident $\bar{n}$ characteristics. Our motivation lies in that energy distributions of $\bar{n}$ samples deposited in the EMC cell arrays embody rich contextual information. Converted to 2-D images, such contextual energy distributions can be used to predict the status of $\bar{n}$ ($i.e.$, incident position and momentum) through a deep learning detector along with pseudo bounding boxes and a specified training objective. Experimental results demonstrate that ViC substantially outperforms the conventional reconstruction approach, reducing the prediction error of incident position by 42.81% (from 17.31$^{\circ}$ to 9.90$^{\circ}$). More importantly, this study for the first time realizes the measurement of incident $\bar{n}$ momentum, underscoring the potential of deep learning detectors for particle reconstruction. Code is available at https://github.com/yuhongtian17/ViC.
- Abstract(参考訳): 高エネルギー物理学では、反中性子(英語版)(\bar{n}$)は最終状態粒子としてしばしば現れる基本粒子であり、それらの運動特性の再構成は、支配原理を理解するための重要なプローブとなる。
しかし、これは典型的な実験センサーである電磁カロリー計(EMC)と機器的に重要な課題に直面するが、入射した$\bar{n}$の情報が不十分に回復する。
本研究では,EMC応答と入射時の$\bar{n}$特性の暗黙的関係を解析するために,深層学習検出器を利用した反中性子再構成のためのベースライン手法であるViC(ViC)を紹介する。
私たちのモチベーションは、EMCセルアレイに蓄積された$\bar{n}$サンプルのエネルギー分布が、豊富な文脈情報を具現化することである。
2次元画像に換算すると、そのような文脈エネルギー分布は、擬似有界ボックスと特定の訓練目標とともに、ディープラーニング検出器を通して$\bar{n}$$$(つまり、入射位置と運動量)の状態を予測することができる。
実験の結果、ViCは従来の再建手法よりも大幅に優れており、インシデント位置の予測誤差を42.81%削減している(17.31$^{\circ}$から9.90$^{\circ}$へ)。
さらに重要なことは、この研究が初めて、粒子再構成のための深層学習検出器の可能性を示すインシデント$\bar{n}$運動量の測定を実現したことである。
コードはhttps://github.com/yuhongtian17/ViC.comで入手できる。
関連論文リスト
- Interpreting Transformers for Jet Tagging [2.512200562089791]
本研究では, 注目熱マップと粒子対相関を$eta$-$phi$平面上で解析することによりParTの解釈に着目する。
同時に、ParTは崩壊に応じて重要な粒子やサブジェットに様々な焦点が当てられていることを示し、このモデルが従来のジェットサブ構造を学習していることを示す。
論文 参考訳(メタデータ) (2024-12-04T19:06:40Z) - Boltzmann-Aligned Inverse Folding Model as a Predictor of Mutational Effects on Protein-Protein Interactions [48.58317905849438]
結合自由エネルギーの変化を予測する(Delta Delta G$)ことはタンパク質-タンパク質相互作用の理解と調節に不可欠である。
本稿では,事前学習した逆折り畳みモデルから$Delta Delta G$予測への知識伝達のためのボルツマンアライメント手法を提案する。
論文 参考訳(メタデータ) (2024-10-12T14:13:42Z) - Studying Critical Parameters of Superconductor via Diamond Quantum Sensors [2.8505276433658175]
我々は、複数の臨界パラメータを決定・推定するために、単一の種類の量子センサーを使用する。
ダイアモンド粒子とバルクダイアモンドを用いてマイスナー効果を探索する。
論文 参考訳(メタデータ) (2024-07-23T21:23:54Z) - Deep(er) Reconstruction of Imaging Cherenkov Detectors with Swin Transformers and Normalizing Flow Models [0.0]
チェレンコフ検出器のイメージングは、核物理学と粒子物理学の実験において粒子識別(PID)に不可欠である。
本稿では,複雑なヒットパターンを示すDIRC検出器に着目し,JLabのGlueX実験において,ピオンとカオンのPIDにも使用される。
We present Deep(er)RICH, a extension of the seminal DeepRICH work, offered improve and faster PID than traditional methods。
論文 参考訳(メタデータ) (2024-07-10T05:37:02Z) - Thermalization and Criticality on an Analog-Digital Quantum Simulator [133.58336306417294]
本稿では,69個の超伝導量子ビットからなる量子シミュレータについて述べる。
古典的Kosterlitz-Thouless相転移のシグネチャと,Kibble-Zurekスケール予測からの強い偏差を観測する。
本システムは, 対角二量体状態でディジタル的に調製し, 熱化時のエネルギーと渦の輸送を画像化する。
論文 参考訳(メタデータ) (2024-05-27T17:40:39Z) - Building Vision Models upon Heat Conduction [66.1594989193046]
本研究は, 物理的熱伝導原理に基づく熱伝導演算子 (HCO) について紹介する。
HCOは熱源としてイメージパッチを概念化し、適応的な熱エネルギー拡散を通じて相関をモデル化する。
vHeatは、Swin-Transformerと比較して最大で3倍のスループット、GPUメモリ割り当ての80%削減、計算FLOPの35%削減を実現している。
論文 参考訳(メタデータ) (2024-05-26T12:58:04Z) - TCI-Former: Thermal Conduction-Inspired Transformer for Infrared Small
Target Detection [58.00308680221481]
赤外線小目標検出(ISTD)は国家安全保障に重要であり、軍事分野で広く応用されている。
ほとんどの ISTD ネットワークは特徴抽出ブロックや特徴融合モジュールの設計に重点を置いているが、特徴写像の進化の観点から ISTD プロセスを記述することは稀である。
熱伝導理論に基づく熱伝導型変圧器(TCI-Former)を提案する。
論文 参考訳(メタデータ) (2024-02-03T05:51:22Z) - Object-centric Cross-modal Feature Distillation for Event-based Object
Detection [87.50272918262361]
RGB検出器は、イベントデータのばらつきと視覚的詳細の欠如により、イベントベースの検出器よりも優れている。
これら2つのモード間の性能ギャップを縮めるための新しい知識蒸留手法を開発した。
対象中心蒸留により,イベントベースの学生物体検出装置の性能が大幅に向上することを示す。
論文 参考訳(メタデータ) (2023-11-09T16:33:08Z) - Deep-learning-based decomposition of overlapping-sparse images: application at the vertex of neutrino interactions [2.5521723486759407]
本稿では,深層学習の力を利用して,多次元重なり合うスパース画像中の個々の物体を正確に抽出する手法を提案する。
これは、イメージング検出器から得られるオーバーレイド素粒子を分解した高エネルギー物理学の直接的な応用である。
論文 参考訳(メタデータ) (2023-10-30T16:12:25Z) - Quantum tomography of helicity states for general scattering processes [55.2480439325792]
量子トモグラフィーは、物理学における量子系の密度行列$rho$を計算するのに欠かせない道具となっている。
一般散乱過程におけるヘリシティ量子初期状態の再構成に関する理論的枠組みを提案する。
論文 参考訳(メタデータ) (2023-10-16T21:23:42Z) - End-To-End Latent Variational Diffusion Models for Inverse Problems in
High Energy Physics [61.44793171735013]
本稿では,最先端生成技術アプローチの潜時学習とエンドツーエンドの変分フレームワークを組み合わせた,新しい統合アーキテクチャ,潜時変分モデルを提案する。
我々の統一的アプローチは、非最新技術ベースラインの20倍以上の真理への分布自由距離を達成する。
論文 参考訳(メタデータ) (2023-05-17T17:43:10Z) - Thermal Spread Functions (TSF): Physics-guided Material Classification [21.120014488056032]
本研究では,物体の熱特性に依存する物理誘導材料分類フレームワークを提案する。
物体の加熱と冷却の速度は、材料の固有の性質、すなわち放射率と拡散率に依存する。
提案手法は, 小型光源(低出力レーザー)とサーマルカメラのみを要し, 16クラスで86%の精度でロバストな分類結果が得られる。
論文 参考訳(メタデータ) (2023-04-03T03:07:26Z) - Interpretable Joint Event-Particle Reconstruction for Neutrino Physics
at NOvA with Sparse CNNs and Transformers [124.29621071934693]
本稿では,畳み込みによって実現される空間学習と,注意によって実現される文脈学習を組み合わせた新しいニューラルネットワークアーキテクチャを提案する。
TransformerCVNは各事象を同時に分類し、各粒子のアイデンティティを再構築する。
このアーキテクチャにより、ネットワークの予測に関する洞察を提供する、いくつかの解釈可能性の研究を行うことができる。
論文 参考訳(メタデータ) (2023-03-10T20:36:23Z) - Quantum information and CP measurement in $H \to \tau^+ \tau^-$ at
future lepton colliders [0.0]
将来のレプトン衝突器におけるTau+Tau-$崩壊に対するタウレプトン対の量子特性の測定可能性について検討した。
量子相関を検出することは、タウレプトンレストフレームの正確な再構築に大きく依存している。
タウレプトン崩壊の衝突パラメータの情報を組み込んだログライクフード法を開発した。
論文 参考訳(メタデータ) (2022-11-18T21:41:29Z) - Faster spectral density calculation using energy moments [77.34726150561087]
我々は、最近提案されたガウス積分変換法を、ハミルトニアン系のフーリエモーメントの観点から再構成する。
このフレームワークの主な利点の1つは、計算コストの大幅な削減を可能にすることである。
論文 参考訳(メタデータ) (2022-11-01T23:57:58Z) - \nu-Flows: Conditional Neutrino Regression [0.0]
$nu$-Flowsは高エネルギーコライダー実験におけるニュートリノキネマティクスの可能性を制限する新しい方法である。
ケーススタディにおける$nu$-Flowsの成功をシミュレートされたセミレプトニック$tbart$イベントに適用することによって実証する。
また, ジェット協会の下流作業では, 従来手法に比べて最大1.41倍の改善が期待できる。
論文 参考訳(メタデータ) (2022-07-01T21:20:25Z) - The BeEST Experiment: Searching for Beyond Standard Model Neutrinos
using $^7$Be Decay in STJs [0.0]
BeEST実験は、感度の高い超伝導トンネル接合(STJ)量子センサーに埋め込んだ7ドルBeの放射性崩壊に続くeVスケールの放射を正確に測定する。
BeEST実験は、感度の高い超伝導トンネル接合(STJ)量子センサーに埋め込んだ7ドルBeの放射性崩壊に続くeVスケールの放射を正確に測定する。
論文 参考訳(メタデータ) (2021-12-03T17:21:12Z) - Graph neural networks for fast electron density estimation of molecules,
liquids, and solids [0.0]
a machine learning framework for the prediction of $rho(vecr)$。
このモデルは、複数の分子(QM9)、液体エチレン炭酸塩電解質(EC)、LixNiyMnzCo(1-y-z)O2リチウムイオン電池陰極(NMC)で試験される。
論文 参考訳(メタデータ) (2021-12-01T16:57:31Z) - Learning High-Precision Bounding Box for Rotated Object Detection via
Kullback-Leibler Divergence [100.6913091147422]
既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。
本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
論文 参考訳(メタデータ) (2021-06-03T14:29:19Z) - Clustering of Electromagnetic Showers and Particle Interactions with
Graph Neural Networks in Liquid Argon Time Projection Chambers Data [4.653747487703939]
液体アルゴン時間射影チャンバー(Liquid Argon Time Projection Chambers、LArTPC)は、荷電粒子の高解像度画像を生成する検出器である。
異なる粒子の超構造へのクラスター化は、現在と将来のニュートリノ物理学計画において中心的な重要性を持つ。
本稿ではグラフニューラルネットワーク(GNN)を用いて,EMシャワーフラグメントの隣接行列を予測し,シャワーの発生源を同定する。
論文 参考訳(メタデータ) (2020-07-02T18:32:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。