Track Reconstruction Transformer: масштабируемый подход глубокого обучения для трекинга частиц в физике высоких энергий

Аннотации

Аннотация

Реконструкция треков частиц имеет решающее значение для физики высоких энергий, особенно в средах с высокой светимостью, где традиционные методы сталкиваются с ограничениями в масштабируемости и эффективности. Чтобы преодолеть эти проблемы, авторами представлен Track Reconstruction Transformer (TRT) — новая модель глубокого обучения, вдохновленная трансформерными моделями для детекции объектов, применяемыми в компьютерном зрении. Модель TRT оценивалась с использованием смоделированного упрощенного набора данных со спиральными аппроксимациями треков и равномерным шумом. TRT использует архитектуру Transformer для обработки сигналов детектора и прямого прогнозирования параметров треков частиц без построения треков. За счет дополнительной оценки вероятности того, соответствует ли предсказанный набор параметров реальному треку, обеспечивается обработка событий с различным числом треков. Этот подход предлагает значительные преимущества в скорости и масштабируемости по сравнению с традиционными методами, при этом не требуя многоэтапных процедур обучения и использования нескольких составляющих.