The application of Hough transform for fast interaction vertex position estimation in heavy-ion collisions
针对高多重数重离子碰撞中径迹种子组合爆炸问题，本文提出利用Hough变换直接估计相互作用顶点位置，以提前剔除无效种子，并实现线性复杂度与可接受分辨率。
2025-07-16 hep-ex physics.ins-det
Particle-level kinematic fingerprints and the multiplicity of neutral particles from low-energy strong interactions
来自于无趣的低能强相互作用的污染或背景是大型强子对撞机数据分析的一个主要问题。鉴于与即将到来的更高亮度场景相关的挑战，最近开始使用为单个粒子分配权重的方法，以重新调整粒子四动量矢量。我们提出了一种不同的方法，而不是采用的权重重塑粒子级的运动学分布的数据。我们使用这种方法来估计的中性粒子的数量起源于低能量强相互作用在不同的运动学区域内的个别碰撞事件。考虑到这种技术的并行性，我们预计在未来的高亮度强子对撞机实验中，将其用作重建级逐粒子事件过滤程序的一部分的可能性。
2014-12-05 hep-ex hep-ph
Improving primary-vertex reconstruction with a minimum-cost lifted multicut graph partitioning algorithm
本文提出将多顶点重建形式化为最小代价提升多割问题，在LHC环境下验证其优于启发式算法，并能应对最高顶点多重数。
2023-07-07 hep-ex physics.ins-det
A Holistic Approach to Predicting Top Quark Kinematic Properties with the Covariant Particle Transformer
本文提出协变粒子Transformer（CPT），一种物理信息驱动的神经网络，可在任意喷注多重数下直接预测顶夸克四动量，并在模拟中优于其他机器学习重建方法。
2023-04-19 hep-ex hep-ph physics.data-an
Ariadne: PyTorch Library for Particle Track Reconstruction Using Deep Learning
粒子跟踪是高能物理和核物理中事件分析的一个基本组成部分。随着现代HENP探测器产生的实验数据的急剧增长，事件的多样性每年都在增加，因此经典的跟踪算法如著名的卡尔曼滤波器不能满足速度和缩放要求。与此同时，深度学习研究的突破为高性能深度神经网络的应用提供了机会，用于解决重离子实验密集环境中的跟踪问题。然而，目前还没有用于深度学习轨迹重建的有据可查的软件库。我们介绍Ariadne，这是第一个基于PyTorch深度学习框架的粒子跟踪开源库。我们的库的目标是提供一个简单的界面，允许人们准备训练和测试数据集，并训练和评估库中实现的深度跟踪模型之一，从您的特定实验的数据。由于杜松子酒配置系统，用户体验大大方便。库和抽象类的模块化结构使用户可以轻松开发数据处理管道和深度跟踪模型。拟议的库是开源的，以促进基于深度学习的粒子跟踪领域的学术研究。
2021-09-18 hep-ex physics.data-an
Strangeness production in small-collision systems with ALICE
为了更好地理解小碰撞系统中奇异粒子的产生机制以及奇异度增强现象，我们提出了新的研究。在最近的一项研究中，由束流残余物（观众）传输并由零度量热仪（ZDC）检测到的非常向前的能量被用来对事件进行分类。利用多重微分方法研究了有效能量和粒子多重数对奇异产生的贡献，以解开初态和末态效应。在第二项研究中，通过分离软和硬过程（如喷流）对奇异强子产生的贡献，进一步研究了pp中奇异度多重性增强的起源。已经利用了涉及全喷注重建或两粒子相关性的技术。结果表明，增加的相对奇异产生出现的增长的基础事件，并建议软（横向领先）过程的奇异强子产生和奇异增强的主要贡献。此外，在pp碰撞中还发现奇异产生随中快度多重数的增加而增加，并且与有效能量存在反相关。
2022-10-15 hep-ex
Bayesian reconstruction of anisotropic flow fluctuations at fixed impact parameter
本研究利用贝叶斯推断从LHC的Pb+Pb碰撞测量数据中重建了固定碰撞参数下的各向异性流概率分布，揭示了流涨落中的粘性阻尼现象，并基于ATLAS数据提供了不依赖微观初始条件模型的响应系数估计。
2025-03-21 hep-ex hep-ph nucl-ex
Performance Benchmarks for 2-View and 3-View Fiber-Projection Fine-Grained Particle Detectors
Washington University in St. Louis（圣路易斯华盛顿大学）；Brookhaven National Laboratory（布鲁克海文国家实验室）
本文通过模拟基准比较了二维和三维纤维投影细粒度粒子探测器的性能，发现三维结构能显著减少虚影击中并提升重建精度，为未来探测器设计提供指导。
2026-10-30 hep-ex nucl-ex physics.ins-det
Graph neural network for 3D classification of ambiguities and optical crosstalk in scintillator-based neutrino detectors
深度学习工具在高能物理中得到了广泛的应用，并在粒子探测器中的中微子相互作用重建中成为核心。在这项工作中，我们报告的性能图神经网络在协助粒子流事件重建。在中微子相互作用中产生的粒子轨迹的三维重建可能会受到由于在检测器中的高多重性签名或相邻的活动检测器体积之间的信号泄漏的歧义。图神经网络有可能识别所有这些特征，以提高重建性能。作为一个示例案例研究，我们测试了一个图形神经网络，灵感来自GraphSAGE算法，在一个新的3D颗粒塑料闪烁体探测器，这将用于升级T2 K实验的近探测器。所开发的神经网络已经在不同的中微子相互作用样本上进行了训练和测试，显示出非常有希望的结果：检测器中产生的粒子径迹体素的分类可以以每个事件94-96%的效率和纯度进行，并且可以识别和拒绝大多数模糊性，同时对系统效应具有鲁棒性。
2021-02-04 hep-ex physics.data-an physics.ins-det
Quantum-Annealing-Inspired Algorithms for Track Reconstruction at High-Energy Colliders
针对高能对撞机径迹重建的计算资源消耗问题，本研究提出使用量子退火启发的模拟分岔算法求解QUBO模型，在保持或提升重建效率与纯度的同时，将运行时间最多减少四个数量级。
2024-08-30 hep-ex quant-ph
Studying the mechanisms for strange particle production with ALICE at LHC
ALICE实验的主要目标是研究强相互作用物质的物理学，重点是夸克-胶子等离子体（QGP）的性质。重离子碰撞中奇异强子与非奇异强子的相对产生历来被认为是QGP形成的标志之一。然而，质子-质子（pp）和质子-铅（p-Pb）碰撞的最新研究结果表明，奇异强子与π介子的产额比随事件中带电粒子多重数的增加而增加，表明在不同碰撞系统和能量下，奇异强子与π介子的产额比的演化是平稳的。我们提出了新的研究，其目的是更好地理解小碰撞系统中奇异粒子的产生机制，从而奇异增强现象。在最近的一项研究中，由束流残余物（观众）传输并由零度量热仪（ZDC）检测到的非常向前的能量被用来对事件进行分类。利用多重微分方法研究了有效能量和粒子多重数对奇异产生的贡献，以解开初态和末态效应。在第二项研究中，通过分离软和硬过程（如喷流）对奇异强子产生的贡献，进一步研究了pp中奇异度多重性增强的起源。已经利用了涉及全喷注重建或两粒子相关性的技术。结果表明，增加的相对奇异性产生出现的增长的基础事件，断开初始状态的属性，并建议软（外喷流）过程是占主导地位的贡献奇异强子的生产。
2021-12-25 hep-ex nucl-ex
First Observation of Antiproton Annihilation At Rest on Argon in the LArIAT Experiment
本研究利用LArIAT实验首次观测静止反质子在氩上的湮灭，通过人工和自动两种方法测量径迹多重数等参数，结果与模拟及理论预测吻合，为氩核内湮灭相互作用建模提供支撑。
2025-05-20 hep-ex
Comparison of νμ-Ar multiplicity distributions observed by MicroBooNE to GENIE model predictions
利用费米实验室的MicroBooNE液氩时间投影室测量了一系列带电μ介子中微子在氩上的散射。我们评估了三个中微子相互作用模型的基础上广泛使用的GENIE事件发生器使用这些可观的。测量使用的数据集组成的中微子相互作用的最终状态μ子候选人完全包含在MicroBooNE探测器。这些数据是在2016年使用费米实验室助推器中微子束收集的，该中微子束的平均中微子能量为800 MeV，使用对应于5E 19质子靶的曝光。该分析采用全自动事件选择和带电粒子径迹重建，并使用数据驱动技术将中微子相互作用与宇宙射线背景事件分开。我们发现，GENIE模型一致地描述了大量的运动学分布的形状固定观察到的多重性。
2019-03-26 hep-ex physics.ins-det
Application of Geometric Deep Learning for Tracking of Hyperons in a Straw Tube Detector
面向 PANDA 的非欧几里得 Straw Tube 探测器，本文用 FCN 与 GNN 重建径迹，尤其提升低动量粒子和长寿命超子的追踪性能。
2025-03-18 hep-ex
Inferring identified hadron production in $pp$ collisions with physics-informed machine learning at the LHC
Indian Institute of Technology Indore（印度理工学院印多尔分校）；HUN-REN Wigner Research Centre for Physics（匈牙利研究与教育网络维格纳物理研究中心）
本文提出一种基于物理约束的神经网络，通过训练PYTHIA8模拟数据，推断不同快速度区域的强子横动量谱，模型在训练、插值和外推区域的不确定性优于XGBoost和LightGBM。
2026-05-09 hep-ex hep-ph hep-th
