Машинное обучение в задаче идентификации высокоимпульсных частиц в эксперименте MPD

Аннотации

Аннотация

Идентификация частиц (PID) в эксперименте MPD на коллайдерном комплексе NICA при высоких импульсах сопряжена с трудностями, из-за которых традиционные методы, такие как $n$-сигма, теряют свою эффективность. В данной работе исследуется применение метода градиентного бустинга на решающих деревьях (GBDT) для PID для шести типов частиц в моделируемых столкновениях висмут–висмут при $\sqrt{s_{NN}} = 9,2$ ГэВ. Алгоритм XGBoost сравнивается с методами $n$-сигма и слепым методом по показателям эффективности и контаминации. Результаты показывают, что XGBoost значительно улучшает результаты PID в диапазонах импульса, где традиционные методы теряют свою эффективность из-за перекрытия распределения признаков, что подчеркивает потенциал машинного обучения для улучшения анализа данных на MPD.