Implementation, performance and physics impact of particle identification at Higgs factories
本文介绍面向未来希格斯工厂的模块化粒子鉴别工具CPID，已在Key4hep中实现，以ILD为例展示初步性能，并支持扩展观测量以提升未来分析中的鉴别能力。
2023-11-15 hep-ex
Particle identification in the GlueX detector with machine learning
University of Connecticut（康涅狄格大学）；Northeastern University（东北大学）；Indiana University（印第安纳大学）
本研究利用多层感知器和提升决策树等机器学习算法增强GlueX实验的粒子识别方法，显著提高了在Monte Carlo模拟数据中识别带电和中性粒子的准确性。
2025-09-17 hep-ex nucl-ex physics.data-an
Evaluation of PID Performance at CEPC and Optimization with Combined dN/dx and Time-of-Flight Data
Tsung-Dao Lee Institute, Shanghai Jiao Tong University（上海交大东京大学研究所）；Institute of Nuclear and Particle Physics, School of Physics and Astronomy, Shanghai Jiao Tong University（上海交通大学物理与天文学院核物理与粒子物理研究所）；Key Laboratory for Particle Astrophysics and Cosmology (MOE), Shanghai Key Laboratory for Particle Physics and Cosmology (SKLPPC)（粒子天体物理与宇宙学教育部重点实验室，上海粒子物理与宇宙学重点实验室）；State Key Laboratory of Dark Matter Physics（暗物质物理国家重点实验室）；Université Paris Cité, CNRS, Astroparticule et Cosmologie（巴黎西岱大学，法国国家科学研究中心，强子与宇宙学）；Department of Physics, Nanjing University（南京大学物理系）；Institute of High Energy Physics, CAS（中国科学院高能物理研究所）
本文研究了CEPC上结合TPC的dN/dx数据与OTK和ITK的飞行时间数据的PID策略，提升了低至多GeV范围内的识别效率和纯度。
2026-03-18 hep-ex physics.ins-det
Requirement analysis for dE/dx measurement and PID performance at the CEPC baseline detector
圆形正负电子对撞机（CEPC）不仅可以作为希格斯粒子工厂运行，还可以作为Z玻色子工厂运行，为粒子识别（PID）至关重要的风味物理研究提供了绝佳的机会。CEPC的基线探测器可以记录TOF和dE/dx信息，这些信息可以用于区分不同种类的颗粒。我们量化的物理要求和探测器的性能，使用物理基准分析与充分的模拟。我们的结论是，在基准飞行时间性能的$50\,$ ps，dE/dx分辨率应优于3%的入射粒子在桶区的相关能量大于$2\, $ GeV/c。该性能导致$K^{\pm}$鉴定的效率/纯度为97%/96%，$D^0\to π^+K^-$重建的效率/纯度为68.19%/89.05%，以及$ϕ\to K^+K^-$重建的效率/纯度为82.26%/77.70%，为相关CEPC风味物理测量提供了坚实的支持。
2022-11-15 hep-ex physics.ins-det
Particle identification for Higgs physics at future electron-positron collider
粒子识别（PID）在重味物理高能物理实验中起着关键作用。然而，它对希格斯物理学的影响仍然不清楚。在这篇文章中，我们将探讨PID的一些潜力，以提高识别重味喷流，除了传统的顶点信息，通过使用已确定的收费Kaons。这可能会导致在未来的$e^+e^-$对撞机更好地测量希格斯魅力汤川耦合。
2019-04-03 hep-ex
Using Machine Learning for Particle Identification in ALICE
粒子识别（PID）是LHC ALICE实验的主要优势之一。它是详细研究在超相对论性重离子碰撞中形成的强相互作用物质的关键成分。ALICE通过各种实验技术提供PID信息，允许在宽动量范围内（从大约100 MeV/ $c$到大约50 GeV/ $c$）识别粒子。主要的挑战是如何有效地结合来自不同探测器的信息。因此，PID代表了一个模型分类问题，可以使用机器学习（ML）解决方案来解决。此外，检测器的复杂性和检测技术的丰富性使得PID也成为计算机科学界感兴趣的研究领域。在这项工作中，我们展示了ALICE中PID的ML方法的现状。我们讨论了LHC运行2的随机森林方法的初步工作，以及基于域自适应神经网络的更高级的解决方案，包括在即将到来的LHC运行3的ALICE计算软件中未来实施的建议。
2022-04-14 hep-ex nucl-ex stat.ML
The MICE PID Instrumentation
国际μ子电离冷却实验（MICE）将对μ子束的电离冷却进行系统的研究。由于发射度测量将在逐粒子的基础上进行，因此需要复杂的束流仪器来测量粒子坐标和定时与RF。一个PID系统的基础上的三个时间的飞行站，两个气凝胶切伦科夫探测器和KLOE类量热计已建成，以保持光束污染（$e, π$）远低于1%。MICE飞行时间系统将在由于高粒子率、边缘磁场和来自RF暗电流的电子背景而造成的恶劣环境中以优于每平面70 ps的分辨率测量定时。
2008-10-02 hep-ex physics.ins-det
Particle Identification with BELLE
介绍了BELLE粒子识别装置的工作原理和性能，该装置是由高精度闪烁体飞行时间计数器和石英气凝胶计数器组成的混合系统。在束流试验中取得的性能是令人满意的，蒙特卡罗试验满足BELLE的物理目标是有希望的。在预计于1999年春季开始的实际实验之前，BELLE PID正在获取宇宙射线数据进行校准和微调。
1999-03-18 hep-ex
Particle identification with the Belle II calorimeter using machine learning
我提出了一个应用程序的卷积神经网络（CNN），以分离介子和π介子的Belle II电磁量能器（ECL）。ECL设计用于测量带电和中性粒子沉积的能量。它也提供了重要的贡献，粒子识别（PID）系统。如果ECL中的低动量μ子和π子没有到达外μ子探测器，那么识别它们是至关重要的。轨迹种子簇能量图像提供了最大可能的信息。在ECL的进入点处的外推轨道周围的晶体中的μ子和π子的能量沉积的形状与$θ-ϕ$平面中的晶体位置和轨道的横向动量一起用于训练CNN。CNN利用了π介子强子相互作用和更局域化的μ介子电磁相互作用的分散能量沉积之间的差异。使用仿真，CNN算法的性能进行了比较，与其他PID方法在Belle II的跟踪匹配的聚类信息的基础上。结果表明，CNN PID方法在低动量情况下改善了μ介子-π介子的分离。
2023-01-27 hep-ex physics.ins-det
Study of residual artificial neural network for particle identification in the CEPC high-granularity calorimeter prototype
本研究针对粒子流探测器系统的粒子鉴别需求，提出基于ResNet架构的新型PID方法，无需重建特征变量且泛化性强，在5-120GeV模拟样本上验证了其相比BDT等方法的背景排除性能优势。
2024-03-09 hep-ex physics.ins-det
Robust Neural Particle Identification Models
大型强子对撞机实验处理的大量数据需要复杂的选择规则，通常基于机器学习算法。这些方法的缺点之一是它们对训练样本中的偏差非常敏感。在粒子识别（PID）的情况下，由于输入运动学分布的差异，这可能导致训练数据集中不存在的一些衰减的效率降低。在这次演讲中，我们提出了一种基于公共特定分解的方法，该方法通过分解输入特征集的公共和特定衰减分量来考虑训练数据中的个体衰减和可能的变形。我们表明，所提出的方法降低了在LHCb检测器中重建的衰减的PID算法的效率退化率。
2022-12-15 hep-ex physics.ins-det
An imaging time-of-propagation system for charged particle identification at a super B factory
超级B工厂将进一步探索标准模型的风味部门和超越物理学，将需要出色的带电粒子识别（PID），特别是K/pi分离，动量高达4 GeV/c，以及在比当前B工厂实验高得多的束背景下操作的能力。我们描述了一个成像时间的传播（iTOP）检测器，显示出显着的潜力，以满足这些要求。在切伦科夫辐射棒中从带电粒子相互作用发射的光子被内部反射到棒的末端，在那里它们被收集在紧凑的图像平面上，使用具有二维精细空间分割的光电探测器。光子到达时间的精确测量用于增强二维成像，从而允许系统在减小的探测器包络内提供优异的PID能力。这种检测器的几何和物理特性的持续优化的结果，以及模拟PID性能。目前正在夏威夷大学的宇宙射线试验台上使用一个原型对模拟进行验证。
2009-09-04 hep-ex physics.ins-det
Performance of Particle Identification with the ATLAS Transition Radiation Tracker
ATLAS过渡辐射跟踪器（TRT）是欧洲核子研究中心大型强子对撞机ATLAS内部探测器的三个子系统中最外面的一个。除了跟踪能力外，TRT还通过探测跃迁辐射X射线光子提供粒子识别（PID）能力。后者的功能提供了大量的电子和强子之间的鉴别力的动量范围从1到200 GeV。此外，与高比能沉积（dE/dx）相关的信号时间长度的增强的测量可用于识别高度电离的粒子，从而增加低动量下的电子识别能力并提高搜索新物理的灵敏度。本演讲介绍了TRT PID在2010年初7 TeV数据采集期间的调试。在2010年和2011年的表现证明TRT的能力，以确定电子，补充量热计为基础的识别方法，也将显示。
2011-09-27 hep-ex physics.ins-det
Particle Identification with the ALICE detector at the LHC
ALICE是致力于研究重离子碰撞的大型强子对撞机实验。与在这种碰撞中产生的介质的性质有关的许多可观测量依赖于探测器在粒子的粒子识别（PID）方面的出色能力。在下文中，将描述用于不同ALICE分析的各种PID技术。重点将给予探测器的性能，并选择的结果将在pp收集的数据在sqrt（s）= 7 TeV和PbPb碰撞在sqrt（s_NN）= 2.76 TeV。
2012-09-25 hep-ex nucl-ex
Reconstruction and Particle Identification for a DIRC System
我们研究的重建和粒子识别（PID）问题的环形成像设备提供了一个很好的知识的切伦科夫光子的方向，作为DIRC系统，我们专注于。我们主张首先使用赤平投影作为一种工具，允许光子数据的适当表示，因为它允许代表切伦科夫锥总是作为一个圆圈。我们建立了一个算法，能够可靠地执行一个小角度开口圆弧拟合，通过最小化一个真正的Chi 2表达式。我们为PID开发的系统依赖于这种算法和能够以高效率去除背景光子的程序。因此，我们表明，即使当背景是大的，它是可能的，以执行一个有效的PID通过一个合适的算法，最终提供所有的圆参数;这些都与带电的轨道方向和它的切伦科夫角。结果表明，背景效应可以处理，而不会显着破坏重建概率分布。
1998-08-10 hep-ex
Flavor-physics benchmarks for tracker-based particle identification at the FCC-ee
MIT（麻省理工学院）
本文通过模拟事件评估 CLD 和 IDEA 装置的粒子识别性能，探讨了跟踪子系统对味物理测量的影响，指出时间飞行和能量沉积测量对低动量强子有显著背景抑制作用，而中等动量粒子需更精确的飞行时间分辨率以提高稀有衰变的灵敏度。
2026-05-15 hep-ex
Novel strategies at LHCb for particle identification
大型强子对撞机（LHC）的LHCb实验正在对风味部门进行高精度测量。粒子识别（PID）探测器的出色性能以及新数据采集技术的开发对于应对LHC运行2带来的日益严峻的挑战至关重要。从运行1到运行2，LHCb粒子识别性能的数据驱动校准方法发生了显著变化，现在直接在LHCb高水平触发器中选择校准样品。数据采集范例的这种变化使得能够收集关于运行1的更大的校准样本，从而获得对系统效应研究有用的低水平检测器信息，同时保持运行1观察到的相同（或改善）PID性能。
2017-08-30 hep-ex
Selection and processing of calibration samples to measure the particle identification performance of the LHCb experiment in Run 2
自2015年以来，随着LHC第二轮数据采集的重新启动，LHCb实验已被授权使用专用计算模型来选择和分析校准样本，以测量粒子识别（PID）探测器和算法的性能。这项新技术是在LHCb实验的创新触发模型框架内开发的，该模型依赖于大多数数据集的在线事件重建，将离线重建保留给特殊的物理情况。讨论了标定样本的选择和处理策略，包括在线和离线重建相结合的专用数据处理方案。使用校准样品来测量探测器PID性能，以及在大范围的衰减通道上的PID要求的效率。还详细介绍了校准样品在数据质量监测和验证程序中的应用。
2018-03-02 hep-ex
STOPGAP -- a Time-of-Flight Extension for the Belle II TOP Barrel PID System as a Demonstrator for CMOS Fast Timing Sensors
Belle II机筒区域配备了传播时间（TOP）粒子识别系统，该系统基于围绕相互作用点布置的16根熔融石英棒作为切伦科夫辐射器。由于TOP系统的机械设计，这些石英棒不会重叠，但在它们之间留下约2cm的间隙。这导致标称TOP接受区域中所有轨迹的约6%在没有穿过任何石英棒的情况下逃逸，因此不能从TOP系统提供任何可用的颗粒识别信息，并且另外3%的轨迹由于边缘效应而劣化。我们提出了一个可能的解决方案，以弥补这些差距在TOP验收的形式补充TOP GAP仪器（STOPGAP），覆盖了相邻的石英棒与快速硅探测器之间的死区，直接测量的时间的飞行时间的穿越颗粒颗粒识别的目的。现代快速定时硅传感器和读出器可以为手头的任务提供足够的时间分辨率，因此STOPGAP模块可以足够紧凑，以适应Belle II中央漂移室（CDC）和TOP系统之间感兴趣区域的有限空间。在这篇文章中，我们提出了一个模拟研究，证明了一个硅的飞行时间系统的可行性，其重建性能的基础上，在$Υ(4S)\rightarrow B\bar{B}$事件模拟使用Belle II模拟和重建软件。我们讨论了可能的传感器技术的性能要求，并表明，这样的项目可以实现新的，快速的单片CMOS传感器，预计将达到MIP的时间分辨率下降到50 ps。此外，我们还讨论了在较低半径下使用快速定时层进行径迹触发以及在低动量<1GeV/c下进行粒子识别。
2022-03-09 hep-ex physics.ins-det
Development of time-of-flight particle identification for future Higgs factories
该研究以ILD为例探讨未来e+e−希格斯工厂中TOF粒子鉴别的探测器集成，分析径迹长度重建与多种TOF测量技术，并评估π/K和K/p鉴别性能及物理应用。
2023-11-08 hep-ex
Optimized MPGD-based Photon Detectors for high momentum particle identification at the Electron-Ion Collider
粒子识别（PID）是未来EIC实验的核心要求。强子PID在高动量的丰富的技术需要使用低密度的气体辐射体，其中的挑战是有限的长度的辐射体区域可在对撞机实验。通过选择远UV域中的光子波长范围，大约120 nm，可以增加可检测光子的数量。理想的传感器是带有CsI光电阴极的气体光子探测器（PD），其中最先进的是COMPASS RICH的MPGD型PD。在EIC的应用中需要对探测器进行优化。在这里，我们报告一个专用的原型，传感器垫的大小已被减少，以保持角分辨率。一个新的数据采集系统的基础上的SRS读出电子学已经开发的实验室和测试束的原型研究。
2018-07-05 hep-ex nucl-ex physics.ins-det
Particle identification with machine learning in ALICE Run 3
ALICE 实验需准确进行粒子鉴别，本文针对 Run 3 研究 Domain Adaptation Neural Networks 并结合 Feature Set Embedding 与 attention 机制，解决了模拟与实验数据差异，提升了粒子分类效果并已集成至分析框架。
2023-09-14 hep-ex nucl-ex physics.ins-det
Particle Identification at Future Colliders
Istituto Nazionale di Fisica Nucleare, Sezione di Bologna（意大利国家核物理研究所博洛尼分所）
本文针对未来对撞机对粒子鉴别的苛刻要求，综述了包括新型切伦科夫探测器等在内的多种粒子鉴别方法，同时探讨了相关光电探测器技术及辐射耐受问题。
2026-08-13 hep-ex
Cluster Counting Algorithm for the CEPC Drift Chamber using LSTM and DGCNN
针对 CEPC 漂移室簇计数重建难题，提出融合 LSTM 与 DGCNN 的机器学习算法，在 Monte Carlo 样本上将 K/π 粒子鉴别分离度提升 10%。
2025-05-13 hep-ex physics.ins-det
Particle identification with the iTOP detector at Belle-II
Belle-II实验和superKEKB加速器将在KEK形成下一代B工厂，能够以比Belle探测器和KEKB高40倍的瞬时光度运行。这将允许通过对其参数进行精确测量来阐明标准模型的许多方面，并提供对目前无法获得的许多罕见衰变的灵敏度。这将需要对加速器和探测器子系统进行重大升级。成像传播时间（iTOP）探测器将是Belle-II的一个新的子探测器，将在粒子识别（PID）中发挥不可或缺的作用。它将在跟踪探测器和热量计之间包括16个模块;每个模块由一个石英辐射器组成，长约2.5米，装有32个微通道板光电探测器（MCP-PMT）阵列。带电粒子通过石英将产生切伦科夫光子锥，其将沿着石英的长度传播，并被MCP-PMT检测到。iTOP系统出色的空间和时间分辨率（50皮秒）将提供卓越的粒子识别能力，特别是允许增强π介子和K介子之间的区分，这对于执行许多关键测量至关重要。将介绍iTOP子探测器的建设状况，以及在光束测试中原型的性能研究，以及将利用iTOP系统的PID功能进行物理测量的前景。
2013-10-16 hep-ex physics.ins-det
Simulation study of particle identification using cluster counting technique for the BESIII drift chamber
带电强子的粒子鉴别，特别是$K$和$π$的分离，是香味物理研究的关键。与传统的$dE/dx$测量相比，用团簇计数技术测量电离能具有更小的涨落，有望为BESIII实验提供更好的粒子识别。仿真研究，包括基于Garfield++的波形分析和在BESIII离线软件系统中K/π识别的性能研究。结果表明，在动量大于1.2 GeV/c的范围内，即使采用保守的分辨假设，采用团簇计数技术也能显著提高$K/π$的分离能力和PID效率。
2022-10-04 hep-ex physics.ins-det
Development of a novel compact and fast SiPM-based RICH detector for the future ALICE 3 PID system at LHC
Istituto Nazionale di Fisica Nucleare (INFN), Sezione di Bari（意大利国家核物理研究所巴里分部）；CERN, the European Organization for Nuclear Research（欧洲核子研究组织）
本文提出了一种新型紧凑快速基于硅光电倍增管的RICH探测器，用于未来LHC ALICE 3 PID系统，通过气凝胶辐射体和透明窗口实现带电粒子的时间飞行测量。
2026-01-18 hep-ex physics.ins-det
Muon/Pion Identification at BESIII based on Variational Quantum Classifier
针对BESIII实验中的μ/π鉴别问题，开发了基于9个量子比特的变分量子分类器，发现其性能与传统多层感知器神经网络相似，展示了量子机器学习在对撞机物理数据分析中的应用可行性。
2024-08-25 hep-ex
Particle identification with machine learning from incomplete data in the ALICE experiment
Faculty of Physics, Warsaw University of Technology（华沙理工大学物理学院）；CERN -- European Organization for Nuclear Research（欧洲核子研究中心）；Faculty of Electronics and Information Technology, Warsaw University of Technology（华沙理工大学电子与信息技术学院）
针对ALICE实验的粒子鉴别问题，提出基于多神经网络二元分类与注意力机制的机器学习方法，有效处理不完整数据并实现模拟与真实数据间的域适应。
2024-07-25 cs.LG hep-ex
R&D Efforts in Cherenkov Imaging Technologies for Particle Identification in Future Experiments
Istituto Nazionale di Fisica Nucleare (INFN), Sezione di Trieste（意大利国家核物理研究所（INFN）的里雅斯特分部）
本文综述了未来粒子与核物理实验中闪烁成像探测器的研发进展，重点探讨传感器技术、辐射材料及闪烁光时间利用等关键领域，推动粒子识别极限。
2026-03-24 hep-ex nucl-ex physics.ins-det
DIRC-like time-of-flight detector for the experiment at the Super Tau-Charm Facility
超级Tau Charm装置（STCF）是中国提出的未来正负电子对撞机，其峰值亮度大于0.5 $\times$ 10 $^{35}$ cm $^{-2}$ s $^{-1}$，质心能量为2 ~ 7 GeV。优秀的粒子识别（PID）能力是STCF对探测器的最重要要求之一。在探测器的可接受范围内，在高达2 GeV/c的动量下，需要3 $σ$ $π$ /K的分离功率。提出了一种类DIRC的飞行时间（DTOF）检测器，以满足STCF端盖区域的PID要求。本文介绍了DTOF探测器的概念设计及其几何优化。利用Geant 4仿真软件对检测器的PID性能进行了研究。通过适当的重建算法，当卷积来自所有其他源的贡献时，具有最佳几何形状的检测器实现了~50 ps的总体时间分辨率，包括光电检测器的渡越时间扩展（TTS）、电子定时精度和事件开始时间的假定精度（~40 ps）。在DTOF探测器的整个灵敏区，在2 GeV/c的动量下，$π$ /K分离本领优于4 $σ$，满足了STCF实验对PID探测器的物理要求。
2021-07-14 hep-ex physics.ins-det
Deep(er) Reconstruction of Imaging Cherenkov Detectors with Swin Transformers and Normalizing Flow Models
William & Mary（威廉玛丽学院）
本研究提出Deep(er)RICH方法，结合层级Swin Transformer与归一化流，改进了DIRC等切伦科夫探测器的粒子鉴别速度与精度，首次实现快速准确模拟，解决光子传输模拟瓶颈，可支撑EIC等前沿实验。
2024-07-10 cs.LG hep-ex nucl-ex
A SiPM-Based RICH Detector with Timing Capabilities for Isotope Identification
Istituto Nazionale di Fisica Nucleare (INFN), Sezione di Bari（意大利国家核物理研究所（INFN）巴里分部）
基于SiPM的RICH探测器结合TOF测量，用于空间应用中的同位素识别，具备高时空分辨能力。
2026-01-21 astro-ph.IM hep-ex physics.ins-det
dN/dx Reconstruction with Deep Learning for High-Granularity TPCs
Institute of High Energy Physics, Chinese Academy of Sciences（中国科学院高能物理研究所）；Central China Normal University（华中师范大学）；University of Chinese Academy of Sciences（中国科学院大学）；Nankai University（南开大学）
本文提出GraphPT模型，利用图神经网络和注意力机制对高粒度TPC数据进行dN/dx重建，提升PID性能，特别是在K/π分离能力上提高10%-20%。
2026-02-16 hep-ex
Test beam performance of a novel RICH detector with timing capabilities for the future ALICE~3 PID system at LHC
Istituto Nazionale di Fisica Nucleare (INFN)（意大利国家核物理研究所）；CERN, the European Organization for Nuclear Research（欧洲核子研究中心）
为未来ALICE 3 PID系统设计的新型RICH探测器，通过定时功能提升带电粒子识别效率，实现99%以上的检测效率和70皮秒的时间分辨。
2026-01-18 hep-ex physics.ins-det
Bayesian Approach to Particles Identification in the MPD Experimen
针对NICA对撞机MPD探测器的粒子识别需求，研究优化TOF与TPC的识别算法，采用统计贝叶斯方法实现识别效率与误识别污染的最优平衡。
2024-05-17 hep-ex physics.data-an physics.ins-det
Context-Enriched Identification of Particles with a Convolutional Network for Neutrino Events
粒子探测器记录了亚原子粒子的相互作用以及它们穿过物质的过程。这些粒子的识别对于深入的物理分析是必要的。虽然粒子可以通过它们穿过物质时的个体行为来识别，但它们产生的相互作用的完整背景可以大大帮助分类任务。我们开发了第一个用于粒子识别的卷积神经网络，它使用上下文信息。这也是第一次实现四塔连体式架构，既分离独立的输入，又包含上下文信息。该网络将来自NOvA中微子探测器的能量沉积物集群分类为电子，μ子，光子，π子和质子，总效率和纯度分别为83.3%和83.5%。我们通过将我们的结果与没有上下文信息训练的网络进行比较，证明了为网络提供上下文信息可以提高性能。
2019-06-03 hep-ex physics.data-an physics.ins-det
The TOP counter of Belle II: status and first results
高效率、高纯度的粒子鉴别是Belle II实验成功的基本条件，该实验的主要目标是探索B介子CP破坏衰变的新物理方案。为了实现所需的颗粒识别性能，传播时间计数器已被安装在中心桶区域。这种独特的装置由16条熔融石英组成，同时作为辐射器和切伦科夫光的光导。与DIRC探测器不同，PID信息主要是通过测量切伦科夫光在辐射器中的传播时间而不是其纯粹的几何图案来提取的。我们将在这里的TOP计数器的状态，包括时间分辨率的估计，校准策略和性能，并在调试阶段获得的第一个结果，无论是使用宇宙射线和$e^+e^-$碰撞事件期间收集的{ \it阶段II}的Belle II实验的试点运行的一般概述。这是在一个完整的HEP实验装置中的传播时间探测器的粒子识别性能的第一次测量。
2018-11-12 hep-ex physics.ins-det
The ECFA Roadmap Process for Particle Identification and Photon Detector R&D
本文总结了2022年2月发布的欧洲粒子物理探测器研发路线图中，粒子鉴别与光子探测器相关的流程成果。
2023-10-08 hep-ex physics.ins-det
Dual-readout, Particle Identification, and 4th
第四个探测器具有丰富的粒子识别测量，包括双读出量热计、团簇定时跟踪室、μ子谱仪以及这些系统的组合。总之，总共13个测量有助于标准模型的所有部分子的识别。
2009-04-30 hep-ex physics.ins-det
Exploring DHCAL design and performance with Graph Neural Networks
本文研究利用图神经网络在数字强子量能器中进行强子能量重建与粒子识别，在1--50 GeV能量范围内取得优于传统方法的分辨率和识别效率，并证明较粗粒度下仍可保持高性能，有助于降低未来DHCAL系统成本。
2025-04-09 hep-ex hep-ph
Generative Models for Fast Simulation of Cherenkov Detectors at the Electron-Ion Collider
William \& Mary, Department of Data Science（威廉玛丽大学数据科学系）
针对Geant4模拟切伦科夫探测器计算密集的瓶颈，提出面向EIC的hpDIRC快速模拟工具，整合生成模型提供GPU加速替代方案，支持按需生成高保真数据集并推动DL驱动的粒子识别方法开发。
2025-04-26 cs.AI cs.LG hep-ex
Implementation of Particle Flow Algorithm and Muon Identification
我们提出的粒子流算法的实施和在爱荷华大学开发的μ子识别的结果。我们使用Monte Carlo样本生成的基准LOI过程与硅探测器设计在国际直线对撞机。通过对μ子的识别，提高了喷注能量分辨率，获得了良好的μ子效率和纯度。
2009-01-28 hep-ex physics.ins-det
Time resolution of the ALICE Time-Of-Flight detector with the first Run 3 pp collisions at ${\bf \sqrt{\textit{s}} = 13.6}$ TeV
EUROPEAN ORGANIZATION FOR NUCLEAR RESEARCH CERN（欧洲核子研究中心）
本文报告了ALICE TOF探测器升级后在Run 3首次13.6 TeV质子-质子碰撞中的时间分辨率，两种独立方法测得结果一致且优于80 ps，验证了升级后连续读出方案和校准流程的有效性，为提升ALICE粒子鉴别能力奠定基础。
2026-09-29 hep-ex nucl-ex physics.ins-det
Lepton identification at particle flow oriented detector for the future $e^{+}e^{-}$ Higgs factories
轻子的识别是高能前沿物理计划的基础，特别是希格斯玻色子的精确测量。为此，开发了一个基于多变量数据分析（TMVA）的轻子鉴别（LICH）工具包，用于使用高粒度量热计的探测器。使用圆形电子-正电子对撞机（CEPC）和能量大于2 GeV的单带电粒子样本的概念探测器几何结构，LICH识别效率高于99.5%的电子/μ子，并将强子与μ子/电子的错误识别率控制在1%/0.5%以下。将量热计粒度减小1-2个数量级，轻子鉴别性能对E > 2GeV的粒子是稳定的。应用于完全模拟的eeH/ $μμ$ H事例，轻子的识别性能与单粒子情况一致：识别一个事例中所有高能轻子的效率为95.5- 98.5%.
2017-02-17 hep-ex physics.ins-det
Time-of-Propagation Cherenkov counter for particle identification
本文提出了一种利用切伦科夫光子的传播时间（TOP）进行粒子识别的切伦科夫探测器的新概念。
1999-04-06 hep-ex physics.ins-det
Prototype Cherenkov Detector Characterization for Muon Tomography Applications
本研究针对μ子成像中传统能量与粒子鉴别技术阻碍便携性的问题，表征了一款小型水切伦科夫探测器原型的性能，验证其可提供能量与PID信息、提升本底排除能力，且易集成到现有系统。
2024-01-30 hep-ex physics.ins-det
Simulation of particle identification with the cluster counting technique
在本文中，我们展示了潜在的集群计数技术的颗粒识别。基于Garfield++软件的仿真证明，相对于传统的dE/dx方法，该方法提高了颗粒分离能力。此外，讨论了用Geant 4软件再现聚类数和聚类大小分布的三种不同算法。
2021-05-14 hep-ex physics.ins-det
Particle Identification with the TOP and ARICH detectors at Belle II
Belle II实验的粒子识别将由两个环形成像切伦科夫设备提供，中心区域的传播时间计数器和前端盖区域的气凝胶辐射器的近距离聚焦RICH。这两个探测器的主要特点，性能研究，和建设进展。
2017-06-25 hep-ex physics.ins-det
Cascade Training Technique for Particle Identification
级联训练技术，这是在我们的工作中开发的MiniBooNE颗粒识别已被发现是一个非常有效的方式来提高选择性能，特别是当非常低的背景污染水平是理想的。在此基于MiniBooNE检测器蒙特卡罗模拟，使用人工神经网络和提升决策树作为示例，给出了该技术的详细描述。
2006-11-27 hep-ex physics.data-an
Artificial Intelligence for Imaging Cherenkov Detectors at the EIC
Massachusetts Institute of Technology（麻省理工学院）；University of Regina（里贾纳大学）
切伦科夫成像探测器是未来电子离子对撞机（EIC）粒子识别（PID）的支柱。目前，第一个EIC探测器提案的所有设计都在强子端盖中使用双环成像Cherenkov（dRICH）探测器，在桶中使用内反射Cherenkov（DIRC）光探测器，在电子端盖中使用模块化RICH（mRICH）。这些探测器涉及许多光子的光学过程，这些光子需要在模拟水平上通过复杂的表面进行跟踪，而对于重建，它们依赖于环形图像的模式识别。本程序总结了正在进行的努力和AI在EIC成像切伦科夫探测器的可能应用。特别是，我们将提供用于AI辅助设计的dRICH和用于模拟和复杂图案中的粒子识别的DIRC的示例，并讨论使用AI的可能优势。
2022-04-19 cs.AI hep-ex nucl-ex
Performance of the FARICH-based particle identification at charm superfactories using machine learning
P. N. Lebedev Physical Institute of the Russian Academy of Science（俄罗斯科学院列别杰夫物理研究所）
本文研究了未来重子工厂探测器中Focusing Aerogel Ring Imaging CHerenkov子系统的粒子识别性能，采用机器学习方法优化了信号环重建算法，并通过D0->Kmunu衰变分析验证了其有效性。
2025-06-17 hep-ex physics.ins-det
Perspectives for particle identification in ALICE using silicon-based timing detectors
精确计时一直是高能物理实验仪器中的一个重要课题。在本文中，我讨论了在LHC下一代重离子实验中使用硅传感器作为飞行时间探测器的前景。实验的简要概述和预期的颗粒识别性能的初步评估。
2020-10-14 hep-ex physics.ins-det
New method of particle identification with tracker detectors
跟踪器检测器可用于基于在利用卡尔曼滤波器进行跟踪拟合期间获得的带电粒子的全局chi值来识别带电粒子。这种方法建立在探测器材料和局部位置分辨率的知识基础上，使用已知的多次散射和能量损失的物理学。该方法独立于传统的利用沉积能量的识别方法。目前的LHC实验的性能进行了演示。
2009-11-13 hep-ex physics.ins-det
