Realistic Detector Geometry Modeling and Its Impact on Event Reconstruction in JUNO
Institute of High Energy Physics, Chinese Academy of Sciences（中国科学院高能物理研究所）；School of Physical Sciences, University of Chinese Academy of Sciences（中国科学院大学物理科学学院）
JUNO探测器几何建模对事件重建的影响研究，通过分析实际探测器结构变形，提出预测光电倍增管位置的方法，减少几何误差对顶点偏移的影响。
2026-04-15 hep-ex physics.ins-det
A vertex reconstruction algorithm in the central detector of JUNO
江门地下中微子观测站（JUNO）是利用反应堆反中微子进行中微子质量分级研究和高精度测量中微子振荡参数的一个实验装置。它还能够研究许多其他物理现象，包括超新星中微子，太阳中微子，地球中微子，大气中微子等。JUNO的中心探测器包含2万吨液体闪烁体（LS）和约1.8万个20英寸光电倍增管（PMT），是目前世界上正在建造的最大的液体闪烁体探测器。能量分辨率预计为3\%/ $\sqrt{E(MeV)}$。为了满足实验要求，在充分理解液体闪烁体中复杂光学过程的基础上，采用极大似然法，提出了一种考虑光电倍增管时间和电荷信息的顶点重构算法。
2018-07-27 physics.data-an physics.ins-det
Towards a reconstruction of Supernova Neutrino Spectra in JUNO
通过中微子发射观测超新星是理解超新星动力学和中微子物理性质的基础。JUNO是一个20千吨级液体闪烁体探测器，正在中国江门建造。该实验的主要目的是通过精确测量反应堆电子反中微子的能谱来确定中微子的质量等级。然而，由于其特性，JUNO也有能力检测高统计SN事件。SN中微子的现有数据仅包括来自SN 1987 A的24个事件，在JUNO的$\sim 10 kpc$上探测到SN爆发将产生来自电子反中微子的$\sim 5 x 10^{3}$逆β衰变（IBD）事件，大约1500个来自0.2 MeV阈值以上的质子弹性散射（pES）事件，大约400个来自电子弹性散射（eES）事件，加上几百个其他CC和NC相互作用通道从所有中微子物种。
2019-10-04 astro-ph.HE hep-ex physics.ins-det
Muon reconstruction with a convolutional neural network in the JUNO detector
江门地下中微子观测站（JUNO）是为确定中微子质量序和测量中微子振荡参数而设计的。精确的μ子重建是减少宇宙μ子诱导的主要背景之一的关键。提出了一种基于卷积神经网络（CNN）模型的μ子重建方法。该方法利用顶端跟踪器重构的航迹信息进行网络训练。通过对μ子轨道应用旋转来增强训练数据集，以补偿顶部跟踪器的有限角度覆盖。利用CNN模型重建的μ子轨道具有空间分辨率优于10 cm，角分辨率优于0.6 °的无偏性能。通过使用GPU加速的实现，与现有的CPU技术相比，加速因子为100。
2021-03-22 physics.ins-det
Atmospheric neutrino spectrum reconstruction with JUNO
大气中微子通量是一个连续的源，可以用来推断宇宙射线和中微子振荡物理的性质。JUNO天文台是中国目前正在建设的一个20 kt液体闪烁体，由于其大的基准体积和出色的能量分辨率，它将能够探测大气中微子。中微子相互作用产生的光将被一个双系统的光电传感器收集：大约18.000个20”光电倍增管和大约25.000个3”光电倍增管。实验大厅上方的岩石覆盖层约为700米，实验预计将于2021年完成建设。在这项研究中，JUNO重建大气中微子光谱的性能进行了评估。闪烁光在光电倍增管上的不同时间演化允许区分初级中微子的味道。为了重建事件的时间模式，仅使用来自3”PMT的信号，因为时间分辨率小。一个概率展开的方法已被使用，以推断的主要中微子能谱，通过观察探测器的输出。模拟光谱在100 MeV和10 GeV之间进行了重建，显示了该探测器在大气低能区的巨大潜力。最终通量的不确定性，包括统计和系统的贡献，范围在10%和25%之间，在GeV获得的最佳性能。
2019-10-23 hep-ex physics.ins-det
A new method of energy reconstruction for large spherical liquid scintillator detectors
液体中微子探测器通常用于探测来自反应堆、太阳和地球的低能中微子。对于大型液体闪烁体探测器，重建沉积能量是一个挑战。对于JUNO和SNO+等具有多种光学介质的探测器，由于其边界处的混合光学过程，如瑞利散射、折射和全反射，预测探测光子的传播极其困难。基于校准的重建方法消耗不切实际的时间，因为在一个巨大的检测器中需要大量的校准点。在本文中，我们提出了一种新的模型无关的方法来重建沉积的能量与最低要求的校准系统。该方法通过JUNO的离线软件进行了验证。蒙特卡罗研究表明，能量不均匀性可以控制在1%以下，这是JUNO实现3%能量分辨率的关键。
2019-03-09 hep-ex physics.ins-det
A method of detector and event visualization with Unity in JUNO
针对江门地下中微子观测站（JUNO）实验，提出了一种基于Unity引擎的可视化方法。该方法已被应用于一个新的事件显示工具ELAINA（Event Live Animation with unIty for Neutrino Analysis）的开发，它为用户提供了一种直观的方式来观察探测器的几何形状，调整重建算法和分析物理事件。与传统的基于ROOT的事件显示相比，ELAINA通过Unity引擎提供了更好的视觉效果。它是独立于JUNO离线软件开发的，但在JUNO离线软件中与接口共享相同的检测器描述和事件数据模型。用户可以很容易地下载和运行事件显示在他们的本地计算机与不同的操作系统。
2018-12-13 hep-ex physics.ins-det
Offline data processing in the First JUNO Data Challenge
本文介绍首届 JUNO 数据挑战（DC-1）的离线数据处理流程，通过条件数据库与多线程重建处理一周模拟数据，并借助 JUNO-Hackathon 验证软件性能。
2024-08-02 physics.ins-det
JUNO Oscillation Physics
江门地下中微子观测站（JUNO）是位于中国南方（广东省江门市）一个700米深的地下实验室中的一个20千吨多用途液体闪烁探测器，具有预期的$3\%/\sqrt{E[\mbox{Mev}]}$能量分辨率。JUNO探测器卓越的能量分辨率和巨大的基准体积为解决中微子和天体粒子物理学中的许多重要课题提供了很好的机会。JUNO的主要目标是确定中微子的质量排序和精确测量相关的中微子振荡参数。通过对反应堆反中微子六年的数据采集，JUNO可以确定3-4 $σ$显著性的质量有序和中微子振荡参数$\sin^2θ_{12}$、$Δm^2_{21}$和$|Δm^2_{31}|$，精度优于0.6%。此外，JUNO的大气中微子和太阳中微子测量也可以为中微子振荡物理提供补充和重要的信息。本文主要研究JUNO的振荡物理，包括对反应堆中微子、大气中微子和太阳中微子的测量和分析。凭借精细的能量响应刻度和事件重构势能，JUNO将在不久的将来对中微子振荡参数和中微子质量有序进行世界领先的测量。
2021-11-19 hep-ex physics.ins-det
Afterpulse measurement of JUNO 20-inch PMTs
本文介绍了江门地下中微子观测站（JUNO）大型光电倍增管（PMT）后脉冲的测量结果。对11台日本滨松公司的R12860型倍增管和150台NNVT公司的MCP-PMTsGDB-6201型微通道板光电倍增管进行了测试，根据后脉冲时间分布和发生概率建立了后脉冲模型。对于所测试的MCP光电倍增管（倍增管），具有0.5 $μ$ s和20 $μ$ s之间的延迟的总后脉冲电荷与主脉冲电荷之间的平均比率为5.6%（13.2%）。JUNO实验将部署20，012个20英寸光电倍增管，本文的研究将有助于JUNO实验的探测器模拟、事件重建和数据分析。
2022-07-11 hep-ex physics.ins-det
Study of using machine learning for level 1 trigger decision in JUNO experiment
研究了JUNO实验中使用机器学习算法进行1级触发决策的问题。JUNO是中国正在建设的中基线中微子实验，主要目标是确定中微子质量等级。一个大的液体闪烁体（LS）体积将检测从核反应堆发出的电子反中微子。LS探测器由大约20000个大型光电倍增管组成。来自每个PMT的命中信息将被收集到用于1级触发决策的中心触发单元中。目前用于选择中微子信号事件的触发算法是基于快速顶点重建。我们建议研究一种替代的1级（L1）触发器，以便通过在L1触发器级别使用固件实现的机器学习模型来实现与顶点拟合触发器相似的性能，但具有更少的逻辑资源。我们把触发决策作为一个分类问题，并训练多层感知器（MLP）模型来区分能量高于一定阈值的信号事件和噪声事件。利用JUNO软件生成了包含10万个噪声物理事件和10万个PMT暗噪声产生的纯噪声事件的数据集，对于能量大于100 keV的事件，基于收敛MLP模型的L1触发器可以达到99%以上的效率。在对模拟进行训练后，我们成功地将训练好的模型实现到Kintex 7FPGA中。我们提出了神经网络的开发和训练的技术细节，以及其在硬件中的FPGA编程实现。最后讨论了L1触发器MLP实现的性能。
2020-11-17 hep-ex physics.ins-det
An eightfold equivalence-preserving speedup of the JUNO OMILREC vertex and energy reconstruction
Institute of Modern Physics, Chinese Academy of Sciences（中国科学院近代物理研究所）；Institute of High Energy Physics, Chinese Academy of Sciences（中国科学院高能物理研究所）；School of Physics and Technology, Wuhan University（武汉大学物理科学与技术学院）
本研究针对JUNO的OMILREC重建算法，通过分阶段等效保持优化实现了最高8.6倍的单线程加速，保持物理输出一致，为大型探测器似然重建加速提供了可转移模板。
2026-08-04 hep-ex physics.ins-det
Muon reconstruction with a geometrical model in JUNO
江门中微子地下观测站（JUNO）是一个20 $\,$ kton的液体闪烁探测器，目前正在中国开平附近建设。物理学计划的重点是确定中微子质量等级与反应堆反中微子。为此，JUNO位于地下650 $\,$ m处，距离两座核电站53 $\,$ km。因此，它暴露在μ子通量中，需要精确的μ子重建才能使宇宙起源背景的否决可行。已建立的μ子跟踪算法使用时间残差来跟踪假设。我们开发了一种替代的μ子跟踪算法，利用最快的光的几何形状。它模拟了沿着μ子轨道产生的第一束直射光的完整形状。从与球形PMT阵列的相交处，用似然拟合提取轨迹参数。该算法根据PMT的第一次命中时间和电荷找到PMT的选择。随后，它仅适合于定时信息。在一个完整模拟读出电子学的样品上，我们报告了距离探测器中心20 $\,$ cm的空间分辨率和整个探测器1.6 $\,^{\circ}$的角分辨率。此外，执行死区时间估计以测量μ子否决的影响。包括在轨迹重建之上的波形重建步骤，与完美跟踪算法的情况相比，可以实现仅4%的曝光损失。当仅包括PMT时间分辨率，而不进一步的电子学模拟和波形重建时，曝光损失仅为1%。
2019-06-05 physics.ins-det
Muon Tracking with the fastest light in the JUNO Central Detector
江门地下中微子观测站（JUNO）是一个多用途的中微子实验装置，它采用中心探测器（CD）测量中微子质量等级。中心探测器位于地下700 m处，由约18，000个光电倍增管（PMT）和2万吨液体闪烁体（LS）组成。宇宙μ子到达JUNO探测器的速率约为3 Hz，μ子感生的中子和同位素是中微子探测的主要本底。探测器中μ子轨迹的重建对于研究和剔除这些背景至关重要。本文介绍了JUNO CD中μ子的跟踪算法，并采用最小二乘法对PMT的首次命中时间进行了计算。每个PMT的FHT的校正被认为是重要的，以减少重建偏差。空间分辨率优于3 cm，角分辨率优于0.4 °，距离探测器中心16 m处跟踪效率大于90%.
2018-03-28 physics.ins-det
Particle Identification at MeV Energies in JUNO
JUNO是一个多用途的中微子实验，目前正在中国江门建设。它的主要目标是确定中微子的质量排序。此外，它的20千吨目标质量使其成为研究各种来源的中微子的理想探测器，包括核反应堆，地球及其大气层，太阳，甚至超新星。由于中微子相互作用的截面很小，中微子实验的事件率受到限制。为了使信噪比最大化，控制背景电平是极其重要的。在本文中，我们讨论了在JUNO粒子识别的潜力，其基本原理和可能的应用领域的实验。虽然所提出的概念可以转移到任何大型液体闪烁体探测器，但我们的方法是专门针对JUNO进行评估的，结果主要是由其每MeV沉积能量1，200个光电子的高光子产率驱动的。为了研究事件区分的潜力，分析了几个事件配对，即$α/β$、$p/β$、$e^+/e^-$和$e^-/γ$。我们比较的歧视性能的先进分析技术的基础上，神经网络和拓扑事件重建保持标准的Gatti过滤器作为参考。我们使用在物理激励的能量间隔中产生的Monte Carlo样本。我们研究了我们的削减能源，径向位置，PMT时间分辨率和暗噪声的依赖性。结果表明，用Gatti方法和神经网络对$α/β$和$p/β$进行建模，具有良好的性能。此外，$e^+/e^-$和$e^-/γ$可以通过神经网络和拓扑重构在统计基础上部分区分。特别是在后一种情况下，拓扑方法证明是非常成功的。
2020-10-13 hep-ex physics.ins-det
Unity based virtual reality for detector and event visualization in JUNO experiment
本文提出一种基于Unity虚拟现实的JUNO探测器与事例可视化方法，共享离线软件几何与数据模型，支持沉浸式探测器研究、事例显示、算法调优及公众宣传等应用。
2025-09-19 hep-ex physics.ins-det
Improving the machine learning based vertex reconstruction for large liquid scintillator detectors with multiple types of PMTs
精确的顶点重建是大型液体闪烁体探测器的关键。在JUNO中，基于机器学习的事件顶点重构方法已经被成功开发。本文通过优化神经网络的输入图像，进一步提高了基于机器学习的顶点重建算法的性能。通过分离不同类型光电倍增管的信息以及加入光电倍增管第二次撞击的信息，顶点分辨率在1MeV和11MeV分别提高了约9.4%和9.8%。
2022-05-09 hep-ex physics.ins-det
Fluorescence emission of the JUNO liquid scintillator
为支撑JUNO中微子探测器实现中微子质量顺序测定目标，研究人员通过多种装置测量了其液体闪烁体的发射光谱、吸收长度及荧光时间分布等光学特性。
2025-03-09 hep-ex physics.ins-det
Real-Time Wiener Deconvolution for feature reconstruction in JUNO
Institute of High Energy Physics, Chinese Academy of science（中国科学院高能物理研究所）；University of Chinese Academy of science（中国科学院大学）；Laboratori Nazionali dell'INFN di Frascati, Frascati, Italy（意大利国家核物理研究所弗拉斯卡蒂国家实验室）；Tsinghua University（清华大学）
本文提出一种实时维纳反卷积算法，利用FPGA实现JUNO中光电倍增管信号的实时重建，以提高低能沉积物的检测能力，减少数据存储需求。
2026-09-09 physics.ins-det
A ROOT based detector geometry and event visualization system for JUNO-TAO
本文为JUNO-TAO开发了一套基于ROOT的探测器几何与事件可视化系统，提供直观工具以可视化几何、调优重建算法并监测反应堆运行，助力反应堆中微子物理研究。
2025-05-04 physics.ins-det
Jiangmen Underground Neutrino Observatory
江门地下中微子观测站（JUNO）是一个多用途的中微子振荡实验，旨在通过探测反应堆反中微子来确定中微子质量等级和精确测量振荡参数，观察超新星中微子，研究大气，太阳中微子和地球中微子，并进行奇异搜索，在地下700米深处安装了一个具有前所未有的$3\%$能量分辨率（1 MeV）的20千吨级液体闪烁体探测器，并具有其他丰富的科学可能性。目前MC研究表明，质量等级的敏感性在相对测量和绝对测量中分别为$\overline{Δχ^2}\sim 11$和$\overline{Δχ^2}\sim 16$。JUNO于2013年获得中国科学院批准，并于2014年建立了国际合作。土建施工正在准备中，探测器的R $\&$ D正在进行中。开发了一个新的离线软件框架，用于探测器模拟、事件重建和物理分析。JUNO计划在2020年左右开始收集数据。
2014-12-13 hep-ex physics.ins-det
Energy reconstruction for large liquid scintillator detectors with machine learning techniques: aggregated features approach
HSE University（高等经济大学）；Joint Institute for Nuclear Research（联合核研究所）
由光电倍增管（PMT）阵列包围的液体闪烁体靶组成的大规模探测器广泛用于现代中微子实验：Borexino，KamLAND，大亚湾，Double Bronze，RENO和即将推出的JUNO及其卫星探测器TAO。这样的装置能够测量中微子能量，其可以从光的量及其在PMT通道上的空间和时间分布导出。然而，在大规模探测器中实现精细的能量分辨率是具有挑战性的。在这项工作中，我们提出了在JUNO探测器中进行能量重建的机器学习方法，这是最先进的探测器。我们集中在0-10 MeV的能量范围内的正电子事件，这对应于JUNO的主要信号-中微子起源于核反应堆堆芯，并通过逆β衰变通道检测。我们考虑以下模型：Boosted Decision Trees和Fully Connected Deep Neural Network，基于聚合特征进行训练，使用PMT收集的信息进行计算。我们描述了我们的特征工程过程的细节，并表明机器学习模型可以提供能量分辨率$σ= 3\%$在1兆电子伏使用工程特征的子集。用于模型训练和测试的数据集是使用官方JUNO软件通过Monte Carlo方法生成的。
2022-11-14 cs.LG physics.ins-det
Neutron source-based event reconstruction algorithm in large liquid scintillator detectors
Tsung-Dao Lee Institute, Shanghai Jiao Tong University（汤川秀树研究所，上海交通大学）；School of Physics and Astronomy, Shanghai Jiao Tong University（物理与天文学院，上海交通大学）
本文提出一种基于中子校准数据的大型液体闪烁体探测器事件重建算法，利用似然方法重建位置和能量，并区分粒子类型，在JUNO模拟中达到位置精度±4cm、能量非均匀性<0.5%，并有效消除α粒子和快中子事件。
2025-10-24 hep-ex physics.ins-det
Calibration Methods of Silicon Photomultiplier for JUNO-TAO Central Detector
Institute of High Energy Physics, Chinese Academy of Sciences（中国科学院高能物理研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Nanjing University（南京大学）
本文提出基于电荷和时间信息的硅光电倍增管通道级校准方法，用于测量暗计数率、相对光电探测效率、时间偏移、增益和内部光学串扰，并通过模拟事件评估校准偏差，以提高探测器的精度和能量分辨率。
2026-08-03 physics.ins-det
Event vertex and time reconstruction in large volume liquid scintillator detector
超低本底水平的大体积液体闪烁体探测器已被广泛应用于中微子物理研究和暗物质搜寻。事件顶点和事件时间不仅对事件选择有用，而且对事件能量的重建也是必不可少的。本文综合分析了利用光电倍增管收集的电荷和时间信息重建事件顶点和事件时间的四种算法。研究了光电倍增管特性对光电倍增管性能的影响。结果表明，渡越时间扩散是影响顶点重建的主要因素，而暗噪声的影响是有限的。此外，当事件接近检测器边界时，电荷信息比时间信息提供更好的顶点重建性能。
2021-05-13 hep-ex physics.ins-det
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
The LCFIVertex package: vertexing, flavour tagging and vertex charge reconstruction with an ILC vertex detector
国际直线对撞机（ILC）的精确测量取决于出色的仪器和重建软件。重味喷流的正确识别，对顶点探测器的质量提出了前所未有的要求，将是ILC计划的核心。本文介绍了LCFIVertex软件，它提供的工具，顶点发现和识别的味道和收费的领先强子在重味喷流。这些工具是必不可少的正在进行的优化的顶点探测器设计的线性对撞机，如ILC。本文介绍了在LCFIVertex包中实现的算法，以及典型顶点检测器设计的代码范围和性能。
2009-08-20 hep-ex physics.ins-det
Track and Vertex Reconstruction with the ATLAS Inner Detector
CERN（欧洲核子研究中心）
本文描述了ATLAS内检测器用于重建带电粒子和初级顶点的算法，展示了Run2和Run3数据及模拟数据的性能，包括高效率、关键参数良好分辨率和低误重建率。
2026-05-08 hep-ex physics.ins-det
Vertex reconstruction in the TAO experiment
Sino-French Institute of Nuclear Engineering and Technology, Sun Yat-sen University（中山大学中法核工程与技术学院）；School of Physics, Sun Yat-sen University（中山大学物理学院）；GuangDong Engineering Technology Research Center of Nuclear Safety and Emergency Technology（广东省核安全与应急工程技术研究中心）；Research Center for Nuclear Technology and Applications of SYSU（中山大学核技术与应用研究中心）；Institute of High Energy Physics, Chinese Academy of Sciences（中国科学院高能物理研究所）
针对TAO实验，开发并优化了电荷中心算法和深度学习算法两种顶点重建方法，在1 MeV下分别达到优于20mm和12mm的分辨率，满足实验需求并具推广潜力。
2025-10-28 hep-ex nucl-ex physics.ins-det
Improvement of the NOvA Near Detector Event Reconstruction and Primary Vertexing through the Application of Machine Learning Methods
这项工作的目的是研究深度学习模型在中微子相互作用事件重建中的应用。事件重建面临的挑战包括放置一个准确的主中微子相互作用顶点，用于支持粒子轨道和尖头算法。精确的主顶点的结果确保了所有参与中微子相互作用的粒子都包括在内。我们提出了一种基于回归的卷积神经网络（CNN）方法来预测粒子相互作用的主顶点。我们表明，以原始二维像素地图视图作为输入，基于回归的CNN可以预测所有三个坐标中的主顶点。这项工作作为NOvA（NuMI离轴$ν_e$外观）近探测器重建工作的一部分。基于回归的CNN模型预测的主要顶点显示出有前途的结果，为未来的应用。这种深度学习方法可以通过本文中讨论的核密度估计算法扩展到次顶点。
2021-11-22 hep-ex physics.data-an physics.ins-det
First demonstration of $50\,\mathrm{ps}$ four-dimensional vertex reconstruction with the Timepix4 beam telescope
University of Oxford（牛津大学）；Nikhef（尼赫夫国家粒子物理研究所）；CERN（欧洲核子研究组织）
本研究利用CERN SPS的180 GeV/c混合强子束流与Timepix4束流望远镜，通过四维拟合实现50皮秒量级顶点重建，达到54±5皮秒的时间分辨率，为未来高堆积度探测器精密定时奠定重要实验基础。
2026-10-09 hep-ex physics.ins-det
A parallel algorithm for fast reconstruction of primary vertices on heterogeneous architectures
本文提出一种基于轨迹投影直方图簇寻找与自适应顶点拟合的并行算法，用于在异构架构上快速重建粒子碰撞主顶点，以满足LHCb升级版探测器30 MHz在线重建率的需求。
2025-07-15 hep-ex physics.ins-det
Maximum likelihood reconstruction for the Daya Bay Experiment
大亚湾反应堆中微子实验是为了精确测定中微子混合角θ 13而设计的。在本文中，我们报告了一个极大似然（ML）方法来重建的顶点和能量的反中微子探测器中的事件，基于一个简化的光学模型，描述光的传播。我们用Co~（60）源对光学模型的关键参数进行了标定，并将光电倍增管的电荷预测值与实际观测值进行了比较。在优化的参数下，对Co~（60）γ射线的顶点重建分辨率可达25cm左右。
2014-03-07 hep-ex physics.ins-det
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
Description and performance of track and primary-vertex reconstruction with the CMS tracker
提供了一个描述的软件算法开发的CMS跟踪器，用于重建质子-质子相互作用中的带电粒子轨迹，并使用由此产生的轨道来估计的LHC发光区域和个人的初级相互作用顶点的位置。尽管在LHC非常恶劣的环境中，这些算法获得的性能被认为是优秀的。对于2011年典型堆积条件下的ttbar事件，对于横动量pt > 0.9 GeV的连续产生的带电粒子，在abs（eta）< 0.9的赝势下的平均径迹重建效率为94%，在0.9 < abs（eta）< 2.5的赝势下的平均径迹重建效率为85%。这种低效率主要是由强子在追踪器材料中进行核相互作用引起的。对于孤立的μ子，相应的效率基本上是100%。对于在abs（eta）< 1.4时发射的pt = 100 GeV的孤立μ子，pt的分辨率约为2.8%，横向和纵向碰撞参量的分辨率分别为10微米和30微米。在三个空间维度中的每一个中，对应于感兴趣的pp碰撞的重构主顶点所实现的位置分辨率为10-12微米。跟踪和顶点软件快速灵活，可轻松适应其他功能，例如触发器的快速跟踪，或考虑轫致辐射的电子专用跟踪。
2014-10-28 hep-ex physics.ins-det
Reconstruction of primary vertices in $pp$ collisions at energies of 900 GeV and 7 TeV with the ATLAS detector
欧洲核子研究组织（CERN）的大型强子对撞机（LHC）于2009年秋季开始运行。最初的运行在一个中心的质量能量为900 GeV，随后一直在进行中的运行在7 TeV的能量。虽然最初在同一束流交叉中发生多个质子-质子碰撞的概率约为10^-5，但随着LHC束流在碰撞点的更好聚焦和压缩，堆积的水平稳步增长。在这方面的贡献是主要的顶点重建算法用于分析在大型强子对撞机的第一次碰撞的性能。不同的方法用于重建的主要顶点在900 GeV和7 TeV的碰撞。的效率的主要顶点重建用于ATLAS的第一次物理分析。通过研究人工生成的半顶点之间的距离拉力的分布，研究了重建的主顶点的位置分辨率。ATLAS的性能方面的主要顶点重建正在进行的和未来的物理分析的影响进行了讨论。
2010-10-07 hep-ex physics.ins-det
Antimatter Annihilation Vertex Reconstruction with Deep Learning for ALPHA-g Radial Time Projection Chamber
TRIUMF
本研究针对ALPHA-g实验的反物质湮灭顶点重建需求，提出基于PointNet集成的PEAR深度学习模型，无需径迹拟合即可直接从rTPC空间点重建垂直顶点，性能全面优于标准方法且能应对标准方法失效的场景。
2025-05-21 cs.LG hep-ex physics.ins-det
Reconstruction of primary vertices at the ATLAS experiment in Run 1 proton-proton collisions at the LHC
本文介绍了在大型强子对撞机第一次运行期间ATLAS实验记录的质子-质子碰撞数据中主顶点重建的方法和性能。这些研究重点关注2012年期间在质量中心能量为$\sqrt{s} = 8$ TeV的情况下采集的数据。的性能已被测量为一个函数的相互作用的数量每束跨越了很宽的范围，从一到七十。讨论了发光区域的位置和大小的测量及其作为提高主顶点分辨率的约束条件。一个纵向顶点位置分辨率约为30微米，实现了高的重建轨道的多重性的事件。横向位置分辨率优于20微米，并且由发光区域尺寸的精度决定。提出了一个分析模型来描述的主要顶点重建效率作为一个功能的相互作用的数量每束交叉和发光区域的纵向尺寸。该模型的数据和预测之间的协议是好于3%高达70个相互作用每束交叉。
2017-06-22 hep-ex physics.ins-det
Coincidence-based reconstruction for reactor antineutrino detection in gadolinium-doped Cherenkov detectors
本研究提出一种基于符合的重建算法，利用IBD事件对的组合光重建顶点，在掺钆水及水基液体闪烁体探测器中显著提升顶点分辨率，并实现高效的本底排除。
2023-06-15 hep-ex physics.ins-det
Ortho-Positronium Three-Photon Decays: Physics Constraints and a Closed-Form Energy Method for Annihilation Vertex Reconstruction
IT:U Interdisciplinary Transformation University（IT:U跨学科转型大学）；University of Vienna, Faculty of Physics（维也纳大学物理学院）；National Centre for Nuclear Research（国家核研究中心）；INSA-Lyon, Université Claude Bernard Lyon 1（里昂国立应用科学学院，克洛德·贝尔纳里昂大学）
本文研究正正电子对三光子衰变的物理基础，探讨能量动量守恒对物理解空间的约束，并提出一种基于能量的顶点重建算法。
2026-05-09 hep-ph physics.ins-det physics.med-ph
Research on the Software of Track Reconstruction in Vertex Chamber of BESII
研究了BESII-VCJULI顶室轨迹重建软件从HP-Unix平台移植到PC-Linux平台的过程。改进后的软件发现并解决了两种不同平台下字典存储和精度处理的问题。使事件中的候选轨迹数和由它们引起的某些轨迹参数的显著性差异分别从74%和5%减小到0.02%和0.5%。结果，大大提高了寻轨的质量，节省了CPU时间。
2003-12-03 physics.ins-det
The LCFIVertex Package: vertex detector-based Reconstruction at the ILC
的贡献给出了一个概述的LCFIVertex包，提供高层次的事件重建在国际直线对撞机使用顶点检测器的信息的软件工具。使用快速蒙特卡罗模拟对该软件包进行了验证。一个更现实的GEANT4为基础的检测器模拟和现实的跟踪代码获得的性能。讨论了强子相互作用对味标记的影响。
2007-08-20 physics.data-an physics.ins-det
Tracking and vertexing at ATLAS
ATLAS协作组采用不同的方法开发了几种用于跟踪和用于初级和次级顶点重建的算法。这允许对算法和重建软件的性能进行彻底的交叉检查。最新的研究结果在这个话题上进行了讨论和比较。
2007-07-20 physics.ins-det
Tracking and Vertexing with a Thin CMOS Pixel Beam Telescope
我们目前的带电粒子轨道和顶点重建的研究结果与光束望远镜制成的四层50微米薄的CMOS单片像素传感器使用120 GeV的质子在FNAL介子试验束设施。我们比较我们的结果的性能要求，未来的电子+电子直线对撞机的粒子轨道外推和顶点重建精度。
2008-05-11 physics.ins-det
The antinucleus annihilation reconstruction algorithm of the GAPS experiment
通用反粒子谱仪（GAPS）是一个南极球载探测器，旨在测量低能宇宙反核（< 0.25 GeV/n），特别关注反氘，作为暗物质湮灭或星系晕衰变的独特信号。该仪器由一个跟踪器组成，由十个锂漂移硅（Li）探测器平面组成，周围环绕着塑料闪烁体飞行时间系统。GAPS使用了一种新的粒子识别方法，该方法基于奇异原子捕获和衰变，从一个共同的湮灭顶点发射π介子、质子和原子X射线。反核鉴定的一个重要组成部分是“湮灭星”拓扑结构的重建。提出了一种自定义的反核湮灭重建算法，称为“寻星”算法，用于完全重建湮灭星，确定湮灭顶点位置，重建初级和次级带电粒子的轨道。基于Geant 4的GAPS仿真软件对重建算法及其性能进行了仿真研究，该仿真软件完全再现了探测器的几何结构。与标准Hough-3D算法相比，该自定义算法在顶点分辨率和重建效率方面具有更好的性能。
2021-09-02 astro-ph.IM hep-ex physics.ins-det
Application of Graph Neural Networks in Dark Photon Search with Visible Decays at Future Beam Dump Experiment
本研究提出将图神经网络用于束流倾倒实验的径迹重建，在可见衰变模式下显著提升3径迹重建效率（低质量区最高提升88%），并通过减小最小顶点距离（5毫米至0.1毫米）将暗光子质量排除上限提高至3倍。
2024-01-27 hep-ex physics.ins-det
Annihilation Vertex Reconstruction Algorithm with Single-Layer Timepix4 Detectors
该研究针对静止反质子-核湮灭实验，采用7个耦合硅传感器的Timepix4 ASIC组成单层长方体探测器阵列，开发3D重建算法实现湮灭顶点逐事件重建，可区分靶上湮灭并研究产物分布与末态相互作用。
2025-08-16 nucl-ex physics.ins-det
Towards Fast Displaced Vertex Finding
CERN（欧洲核子研究组织）；Luleå University of Technology（吕勒奥理工大学）；DESY（德国电子同步加速器研究所）
许多标准模型的扩展预测了亚稳态的大质量粒子，这些粒子可以通过在内部探测器体积中寻找移位的衰变顶点来探测。目前在高能粒子碰撞中搜索这些事件的方法依赖于额外的能量特征的存在，以在数据采集期间进行在线选择，因为位移顶点的重建是计算密集型的。启用移位顶点的节点级重建可以显著增强这种搜索的范围。这项工作是第一步，近似的主要顶点的位置，在一个理想化的检测器的几何形状，使用4层密集的神经网络的顶点位置的回归产生的精度$O(1\ \mathrm{mm})$ [ $O(20\ \mathrm{mm})$ ] RMS在低[高]轨道多重性环境。
2019-10-23 cs.LG physics.ins-det
Machine Learning methods for event classification and vertex reconstruction of the 12C + 12C reaction with the MATE-TPC
College of Science, Southern University of Science and Technology（南方科技大学科学学院）；Institute of Modern Physics, Chinese Academy of Sciences（中国科学院现代物理研究所）；School of Nuclear Science and Technology, University of Chinese Academy of Sciences（中国科学院大学核科学与技术学院）；School of Physics, Peking University（北京大学物理学院）
采用ResNet和VGG等深度学习模型对12C + 12C反应事件进行分类，准确率达97%（模拟）和90%（实验），并利用CNN重建反应顶点。
2026-05-27 cs.LG nucl-ex physics.ins-det
Development of a Vertex Finding Algorithm using Recurrent Neural Network
Kyushu University（九州大学）；The University of Tokyo（东京大学）；Osaka University（大阪大学）；Osaka City University（大阪市立大学）
深度学习是一种快速发展的技术，有可能显着提高对撞机实验的物理范围。在这项研究中，我们开发了一种新的算法的顶点寻找未来的轻子对撞机，如国际直线对撞机。我们部署两个网络;一个是简单的全连接层，用于从轨迹对中寻找顶点种子，另一个是定制的循环神经网络，其具有注意机制和编码器-解码器结构，用于将轨迹与顶点种子相关联。的顶点查找器的性能进行了比较，与标准的迭代学习控制重建算法。
2022-11-19 cs.LG hep-ex physics.data-an
Applying Bayesian Neural Networks to Event Reconstruction in Reactor Neutrino Experiments
本文设计了一个玩具探测器来模拟反应堆中微子实验中的中心探测器。分别用贝叶斯神经网络（BNN）和标准算法极大似然法（MLD）对玩具探测器的蒙特卡罗模拟得到的电子样本进行了重构。将BNN与MLD的事件重建结果进行了比较。与MLD相比，BNN的电子顶点的不确定性没有得到改善，但能量分辨率得到了显着提高。并且对于高能电子，这种改善比低能电子更明显。
2008-05-02 hep-ex physics.data-an physics.ins-det
Tracked pellets - a way to improve the efficiency of charmonium studies
我们调查的可能性，跟踪个人的氢微球从内部弹丸目标。这种方法旨在提供反应的主顶点在约100微米内，而不利用任何检测器响应。除了背景考虑之外，反应顶点的知识对于许多物理通道的重建可能是必要的。这对于计划在未来FAIR设施的PANDA探测器上进行的Psi（3770）衰变为D介子的研究尤其如此。在这里，位移顶点的重建是特别困难的，因为涉及到中性粒子。乌普萨拉斯维德伯格实验室对弹丸目标的研究表明，利用快速CCD线扫描相机的跟踪系统在技术上是可行的。对反应p-bar p到Psi（3770）到D+ D-的模拟证明了这样一个系统对PANDA的数据采集和重建的巨大影响。
2007-01-08 physics.acc-ph physics.ins-det
