Simulating the Time Projection Chamber responses at the MPD detector using Generative Adversarial Networks
HSE University（高等经济大学）；Yandex School of Data Analysis（扬德克斯数据分析学院）；Joint Institute for Nuclear Research（联合核研究所）；Petersburg Nuclear Physics Institute（圣彼得堡核物理研究所）
高能物理实验在很多方面都依赖于详细的探测器仿真模型。运行这些详细的模型通常需要大量的计算时间可用于实验。在这项工作中，我们展示了一种新的方法来加快模拟的时间投影室跟踪器的MPD实验在NICA加速器复杂。我们的方法基于生成对抗网络-一种深度学习技术，允许隐式估计给定对象集的人口分布。这种方法让我们可以学习原始检测器响应的分布，然后根据带电粒子轨迹的参数进行采样。为了评估所提出的模型的质量，我们将原型集成到MPD软件栈中，并证明它可以产生类似于详细模拟器的高质量事件，并且速度至少提高了一个数量级。该原型接受了来自探测器内部的响应的训练，一旦扩展到整个探测器，就可以在物理任务中使用。
2021-07-12 cs.LG hep-ex physics.ins-det
Generative Machine Learning for Detector Response Modeling with a Conditional Normalizing Flow
本文提出基于掩码自回归流的条件归一化流模型，用于高效模拟LHC探测器响应及其相关性，以替代昂贵的蒙特卡洛模拟，并在希格斯双光子事件中验证了其准确性。
2023-11-20 hep-ex physics.ins-det
Deep Generative Models for Detector Signature Simulation: A Taxonomic Review
ORIGINS Data Science Lab（ORIGINS数据科学实验室）；Technical University Munich（慕尼黑工业大学）；Institute for High-Energy Physics (HEPHY)（高能物理研究所）；Austrian Academy of Sciences (OeAW)（奥地利科学院）
本文针对粒子物理探测器特征模拟的计算瓶颈问题，从方法与应用角度对深度生成模型相关研究进行分类综述，梳理问题定义、方法类别并指明未来方向。
2024-07-12 cs.LG hep-ex hep-ph
Maximum likelihood reconstruction of water Cherenkov events with deep generative neural networks
大型水切伦科夫探测器塑造了我们目前对中微子物理和核子衰变的知识，并将在可预见的未来继续这样做。这些高性能的探测器允许从其光电传感器上的信号中提取方向和拓扑以及量热信息。目前最先进的水切伦科夫重建方法依赖于最大似然估计，采用几个简化的假设，使问题易于处理。在本文中，我们描述了神经网络，在每个光电传感器的信号产生概率密度函数，给定一组输入，在检测器中的粒子的特征。与传统方法相比，我们提出的神经网络允许基于似然的事件重建方法，具有更少的假设，因此有望提高水切伦科夫探测器的当前性能。
2022-02-02 hep-ex
Generative Surrogates for Fast Simulation: TPC Case
高能物理模拟实验是一种应用广泛的实验，是探测器和物理研究的需要。详细的蒙特卡罗模拟算法由于这种方法的计算复杂性而经常受到限制，因此需要更快的方法。生成对抗网络（GANs）非常适合将许多详细的模拟步骤聚合到一个可用于快速采样的替代概率密度估计器中。在这项工作中，我们展示了基于GAN的快速仿真模型在模拟NICA加速器复杂MPD实验中时间投影室（TPC）响应的用例上的功能。我们表明，我们的模型可以生成高保真度的TPC响应，同时将TPC模拟加速至少一个数量级。我们描述了这个问题的替代表示方法，并概述了我们的方法部署到软件栈的实验路线图。
2022-07-09 hep-ex
Applying generative neural networks for fast simulations of the ALICE (CERN) experiment
Institute of Nuclear Physics PAS（波兰科学院核物理研究所）；AGH University of Krakow（克拉科夫AGH大学）；University of Warsaw（华沙大学）
本论文研究生成式神经网络在CERN ALICE实验ZDC中子探测器快速模拟中的应用，评估了多种架构与生成框架，在Wasserstein指标上显著优于现有方法且生成时间仅5毫秒，并提供了开源代码与模型开发建议。
2024-07-10 cs.LG hep-ex physics.ins-det
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
Fast simulation of a forward detector at 50 and 100 TeV proton-proton colliders
我们评估的LHCb类探测器的性能，使用快速模拟质子-质子碰撞的质心能量为50和100 TeV。该研究表明，探测器的接受度和分辨率可能与LHC相似。再加上具有更高能量的轻粒子的产生截面的增加，这样一个假设的实验可以达到前所未有的灵敏度在味道可观察性。
2020-12-04 hep-ex
Generative Adversarial Networks for LHCb Fast Simulation
National Research University Higher School of Economics（国立研究型大学高等经济学院）
LHCb是欧洲核子研究中心大型强子对撞机上运行的主要实验之一。物理程序的丰富性和LHCb测量精度的提高导致需要更大的模拟样本。当升级后的LHCb探测器开始在LHC运行3中收集数据时，这种需求将进一步增加。考虑到为今后几年制作蒙特卡罗模拟事件所承诺的计算资源，必须使用快速模拟技术来应付预期的数据集规模。在LHCb生成模型，这是现在广泛用于计算机视觉和图像处理正在研究，以加速在量热计和切伦科夫探测器的高级别响应的簇射的产生。我们证明，这种方法提供了高保真度的结果，随着显着的速度增加，并讨论这些结果可能的含义。我们还提出了一种实现该算法到LHCb模拟软件和验证测试。
2020-03-21 cs.LG hep-ex physics.ins-det
Unfolding with Generative Adversarial Networks
将测量的探测器水平分布校正到粒子水平是使数据在实验合作之外可用的关键。术语展开用于描述该过程。本文提出了一种使用改进的生成对抗网络（MSGAN）展开数据的新方法。应用于各种分布的广泛不同的形状，它的表现大致与目前使用的方法。这是一个最先进的机器学习方法的原理证明，可以用来很好地模拟检测器的影响。
2018-08-04 hep-ex hep-ph physics.data-an
FastDIRC: a fast Monte Carlo and reconstruction algorithm for DIRC detectors
FastDIRC是一种新的快速蒙特卡罗和DIRC探测器重建算法。DIRC采用矩形熔融石英棒作为切伦科夫辐射器和光导。DIRC利用切伦科夫光子成像和传播时间信息来识别带电粒子。基于GEANT的DIRC蒙特卡罗模拟非常占用CPU。FastDIRC算法允许完全模拟DIRC探测器，比使用GEANT快10000倍以上。这有助于设计一种DIRC重建算法，与现有算法相比，该算法将DIRC检测器的切伦科夫角分辨率提高了约30%。FastDIRC还大大减少了研究竞争DIRC探测器设计所需的时间。
2016-08-02 hep-ex nucl-ex physics.data-an
A Generalisable Generative Model for Multi-Detector Calorimeter Simulation
本文提出CaloDiT-2，一种基于Transformer的扩散模型，通过多探测器预训练和快速适应，实现高效量热器簇射模拟，显著降低数据需求和训练时间，并已集成至Geant4。
2025-09-09 hep-ex physics.comp-ph physics.ins-det
Cherenkov Detectors Fast Simulation Using Neural Networks
National Research University Higher School of Economics（俄罗斯高等经济研究大学）；Università di Roma La Sapienza（罗马第一大学）；Yandex School of Data Analysis（Yandex数据分析学院）；Moscow Institute of Physics and Technology（莫斯科物理技术学院）
我们提出了一种使用生成对抗神经网络来模拟切伦科夫检测器响应的方法，以绕过低级细节。该网络被训练为基于入射粒子的输入可观测量再现模拟探测器事件的高级特征。这使得模拟速度大幅提高。我们证明，这种方法提供的模拟精度是一致的基线，并讨论这些结果可能产生的影响。
2019-03-28 cs.LG hep-ex physics.ins-det
Impacts of SB2009 on the Higgs Recoil Mass Measurement Based on a Fast Simulation Algorithm for the ILD Detector
本论文报告了基于ILD探测器专用快速模拟算法的SB 2009束流参数对希格斯反冲质量和希格斯-Strahlung截面测量的影响的研究。研究表明，SB 2009光束参数比以前的RDR光束参数更差的结果，因为较小的光度。然而，旅游焦点（TF）技术可以恢复到一定程度的退化。
2010-07-18 hep-ex
Performance of Ultra-Fast Silicon Detectors
低增益雪崩探测器的发展为制造比传统传感器信号更大的硅探测器提供了可能。在本文中，我们探讨了低增益雪崩探测器的定时性能，特别是我们证明了获得时间分辨率小于20皮秒的超快硅探测器的可能性。
2013-12-05 hep-ex physics.ins-det
Fast timing detectors for forward protons at the LHC
我讨论了在大型强子对撞机的高动量质子的高精度定时探测器的发展，以及它们在研究排他性希格斯玻色子生产的应用。
2011-04-07 hep-ex physics.ins-det
Jevons' Paradox and Fast Generative Simulation for HEP: Why Realistic Benchmarking is Essential
Deutsches Elektronen-Synchrotron DESY（德国电子同步加速器）；University of Hamburg（汉堡大学）；CERN（欧洲核子研究组织）
本文探讨高能物理中快速生成式模拟引发的杰文斯悖论，强调真实基准测试对实现真正效率的关键作用。
2026-09-22 hep-ex physics.ins-det
DijetGAN: A Generative-Adversarial Network Approach for the Simulation of QCD Dijet Events at the LHC
一个基于卷积神经网络的生成对抗网络（GAN）被用来模拟LHC中喷流对的产生。GAN在使用MadGraph5 + Pythia8和Delphes3快速检测器模拟生成的事件上进行训练。我们证明了一些运动学分布在蒙特卡洛真理水平和检测器模拟后，可以再现的生成器网络具有非常好的协议水平。代码可以从公开访问的在线存储库www.example.com中检出或派生。
2019-06-26 hep-ex hep-ph
An AI-based Detector Simulation and Reconstruction Model for the ALEPH Experiment at LEP
University of California, Los Angeles（加州大学洛杉矶分校）；Stanford University（斯坦福大学）；Weizmann Institute of Science（魏茨曼科学研究所）；SLAC National Accelerator Laboratory（SLAC国家加速器实验室）
本文展示Parnassus生成模型在ALEPH探测器中的应用，证明其能准确模拟探测器响应，为历史碰撞实验提供有效工具。
2026-08-20 hep-ex hep-ph physics.ins-det
Fast simulation of the CEPC detector with Delphes
快速模拟工具在粒子物理唯象学研究中，特别是在探索未来实验设施的物理潜力方面受到高度重视。环形正负电子对撞机是一个可以精确测量希格斯玻色子玻色子性质和电弱精密观测量的希格斯和Z工厂。使用Delphes开发了一个专用于CEPC探测器的快速仿真工具包。比较表明，这种快速模拟工具是高度一致的完整的模拟，在一组基准分布。因此，我们推荐这个快速模拟工具包CEPC唯象研究。
2017-12-27 hep-ex hep-ph
Validation of Deep Convolutional Generative Adversarial Networks for High Energy Physics Calorimeter Simulations
在粒子物理学中，模拟粒子通过探测器的传输需要大量的计算资源，利用了CERN全球大型强子对撞机网格的50%以上的资源。这一挑战促使人们研究不同的、更快的方法来取代标准的蒙特卡罗模拟。深度学习生成对抗网络是最有前途的替代方案之一。以前的研究表明，他们达到了必要的精度水平，同时减少了模拟时间的数量级。在本文中，我们提出了一种新开发的神经网络架构，该架构采用2D卷积层再现了三维问题，并将其性能与由3D卷积层组成的早期架构进行了比较。性能评估依赖于直接比较蒙特卡罗模拟，在不同的物理量通常用于量化检测器的响应。我们证明了我们的新神经网络架构相对于3D卷积GAN达到了更高的精度水平，同时减少了必要的计算资源。热量计是模拟时间最昂贵的探测器之一。因此，我们把我们的研究集中在一个电磁量能器的原型与规则的高度颗粒状的几何形状，作为未来量能器的一个例子。
2021-03-25 hep-ex
CaloShowerGAN, a Generative Adversarial Networks model for fast calorimeter shower simulation
本文提出基于生成对抗网络的 CaloShowerGAN 模型，利用快速量能器模拟挑战赛数据集验证其对光子和π介子簇射的模拟效果，并有望显著提升 ATLAS 快速模拟性能。
2024-08-09 hep-ex physics.ins-det
Fast 4$π$ track reconstruction in nuclear emulsion detectors based on GPU technology
快速4 $π$立体角粒子径迹识别一直是粒子物理领域的一个挑战，特别是在核乳胶探测器上。计算技术的最新进展为实现这一目标开辟了道路。介绍了一种基于GPU技术结合多线程编程的快速4 $π$立体角粒子轨迹重建方法，并对GPU编程和CPU编程进行了详细比较。通过具有优异跟踪性能的GPU，3D乳胶检测器数据的处理速度提高了60倍，相当于每小时扫描15 cm $^2$乳胶表面。
2014-03-21 hep-ex physics.data-an physics.ins-det
SAMPIC: a readout chip for fast timing detectors in particle physics and medical imaging
本文介绍了法国SAMPIC公司和法国LAL公司研制的新型快速定时读出芯片SAMPIC，以及使用该芯片进行的各种测试结果。
2015-03-16 hep-ex physics.ins-det physics.med-ph
Using Fast Photosensors in Water Cherenkov Neutrino Detectors
中微子物理学中许多尚未解答的问题，如轻子扇区中的CP破坏或中微子质量等级，可以通过更高灵敏度的中微子实验来回答。基于微通道板的新型光电探测器正在由大面积皮秒光电探测器（LAPPD）协作组开发。这些光电传感器已被证明具有出色的空间和定时分辨率。将这些器件应用于大质量水切伦科夫探测器中，可以显著提高中微子的顶点分辨率，增强中微子振荡实验的背景抑制。我们目前的初步结果，在水中的单粒子的重建能力切伦科夫探测器使用快速光电传感器。
2013-10-09 hep-ex physics.ins-det
Fast simulation of muons produced at the SHiP experiment using Generative Adversarial Networks
本文提出了一种快速模拟SPS质子束与SHiP实验靶相互作用产生μ介子的方法。SHiP实验将能够寻找400~GeV $/c$ SPS质子束流收集器中产生的新的长寿命粒子，这些粒子的传播距离在50米到几十公里之间。SHiP探测器需要在超低背景条件下工作，需要大量模拟μ子诱导背景过程的样本。通过使用生成对抗网络，可以模拟400~GeV $/c$质子束与SHiP靶相互作用的模拟，否则计算密集的过程。对于SHiP实验的模拟要求，生成网络能够近似密集固定目标的完整模拟，提供$\mathcal{O}(10^6)$的因子的速度增加。为了评估这种方法的性能，比较重建μ介子动量的分布在SHiP的光谱仪之间的样本使用全模拟和生成模型产生的样本。本文讨论的方法可以推广和应用到任何非离散多维分布建模。
2019-10-21 hep-ex physics.ins-det
GPT-like transformer model for silicon tracking detector simulation
Jožef Stefan Institute（约瑟夫·斯蒂芬研究所）；University of Ljubljana（卢布尔雅那大学）
本文提出了一种基于GPT-like transformer架构的模型，用于硅跟踪探测器的模拟，实现了与完整模拟相当的跟踪性能。
2026-07-29 hep-ex physics.ins-det
Fast simulation of detector effects in Rivet
我们描述了铆钉MC事件分析系统中的检测器偏置仿真的设计和实现。使用C++效率和运动学涂抹函子实现，它允许在分析例程中指定检测器效果，根据分析的精确相空间和重建工作点进行定制。文中还给出了ATLAS和CMS实验中两个物理目标的一套标准探测器函数。最后，由于射流子结构是一类重要的物理观测通常被认为需要一个明确的检测器模拟，我们证明了涂抹的方法，调整到现有的子结构数据和铆钉实施，可以准确地再现射流结构的偏差ATLAS观察。
2019-12-23 hep-ex hep-ph
Measuring Fast Neutrons with Large Liquid Scintillation Detector for Ultra-low Background Experiments
我们开发了一个12升体积的中子探测器，充满了液体闪烁体EJ 301，测量中子在地下实验室，其中暗物质和中微子实验的位置。探测器目标是一个圆柱体，内部涂有反射涂料（95%反射率），可显著增加探测器的光收集。我们演示了几种校准技术，使用点源和宇宙射线μ子的能量高达20兆电子伏的大型液体闪烁探测器。首次使用大型液体闪烁体显示了使用脉冲形状鉴别的中子-伽马分离，其中几个MeV中子到数百个MeV中子。
2013-06-12 hep-ex physics.ins-det
CHANTI: a Fast and Efficient Charged Particle Veto Detector for the NA62 Experiment at CERN
本文介绍了一种用硅光电倍增器（SiPM）读出闪烁计数器的带电粒子探测器的设计、结构和测试。该探测器在真空中工作，在CERN的NA 62实验中用作否决计数器，单通道时间分辨率为1.14 ns，空间分辨率为~2.5 mm，穿透带电粒子的效率非常接近1。
2017-01-03 hep-ex physics.ins-det
Effective exploitation of a geyser bubble-chamber equipment as a background-free fast neutron detector
MOSCAB设备是一种间歇泉概念的泡室，最初被认为是用于寻找WIMP形式的暗物质，现在被用来探测快中子。一旦确定了无背景操作条件，使得检测器仅对中子敏感，这在成核所需的中子能量阈值高于约2.5 MeV时发生，则使用AmBe中子源研究检测器对快中子的响应。然后通过蒙特卡罗模拟和后处理产生检测效率函数集，通过实验进行验证并进行讨论。最后，使用的探测器来测量非常弱的n-源在清洁的环境中的快中子活动，以及通过广泛的空气淋浴的中子组件来监测宇宙射线的变化，被认为是。
2021-06-25 hep-ex physics.ins-det
Fast timing detectors with applications in cosmic ray physics and medical science
本文探讨LGAD硅探测器在空间宇宙射线测量与癌症闪光束流治疗剂量监测两类场景中的应用。
2023-11-08 astro-ph.IM hep-ex physics.ins-det
Identification of the anomalous fast bulk events in a p-type point contact germanium detector
p型点接触锗探测器的超低探测阈值、超低本征本底和优异的能量分辨率对于稀有事件的研究具有重要意义，特别是对于探测直接的暗物质相互作用、相干弹性中微子-核散射和无中微子双β衰变。在CDEX-1B探测器中观察到具有极快上升时间的异常体事件。本文提出了一种利用脉冲波形模拟和重构源实验信号从体事例中提取快体事例的方法。校准数据和由固有放射性产生的X射线分布证实，快体在钝化层附近经历了一次撞击。这种锗探测器的性能表明，它能够单次击中体空间分辨率，从而提供了一种背景去除技术。
2022-09-21 hep-ex physics.ins-det
Fast simulation of avalanche and streamer in GEM detector using hydrodynamic approach
在COMSOL Multi-physics平台上开发了一个快速的流体动力学数值模型，用于模拟基于气体电子倍增器（GEM）的气体电离探测器中带电粒子的演化和动力学。使用二维（2D），二维轴对称和三维（3D）模型的探测器的效果进行了分析，以选择最佳的配置。所选择的模型已被用来遵循整个操作制度的单，双和三GEM探测器，包括雪崩和流光模式操作。空间电荷的积累，其对所施加的电场的失真和流光的产生的贡献已被调查在公平的细节使用优化模型。
2020-12-15 hep-ex physics.ins-det
Point-cloud generative models for fast calorimeter simulation across particles and geometries
CERN（欧洲核子研究中心）
本文综述了点云生成模型在快速量热仪模拟中的进展，提出CaloClouds3、CaloHadronic和AllShowers等模型，分别实现光子、强子及十二种粒子的高效模拟，并引入跨几何迁移学习以大幅减少训练数据需求。
2026-09-28 hep-ex hep-ph physics.ins-det
Performance of the BIS78 RPC detectors: a new concept of electronics and detector integration for high-rate and fast timing large size RPCs
气体中每计数的平均电荷的减少以及区分非常小的信号与噪声的能力可以允许在高辐射背景环境中进行有效和长期的电阻板室检测器操作。这一目标已经达到了在研究与发展计划的BIS 78升级项目的ATLAS探测器在LHC通过深度集成的快速（100 ps的峰值时间）和敏感（小至100 V的阈值）前端电子（FE）与一个非常大的尺寸的检测器结构。这种创新的RPC集成概念以新构思的法拉第笼为中心，将读出条和FE嵌入其中，紧紧包裹在具有1.2 mm厚电极的1 mm气隙RPC周围，作为完全独立的单线态结构。我们研究了BIS 78生产三重腔室的性能，该三重腔室由3个2 <2的独立单重态组成，每个单重态提供2D空间和时间信息，显示出可实现的最小阈值为在气隙内产生的每计数2 pC的平均电荷。我们表明，这些商会授予一个记录的综合性能更好
2020-09-14 hep-ex physics.ins-det
Parnassus for the CLD Detector: A Generative Machine-Learning Surrogate for Detector Simulation and Reconstruction at the FCC-ee
Stanford University（斯坦福大学）；SLAC National Accelerator Laboratory（SLAC国家加速器实验室）
为 CLD 探测器构建 Parnassus 生成式替代模型，以条件流匹配神经网络模拟探测器模拟与重建，在 $e^+e^-$ 事件上实现高保真度，生成速度比完整模拟快数个数量级，并保留味区分能力。
2026-09-28 hep-ex hep-ph physics.data-an
Generative Diffusion Models for Fast Simulations of Particle Collisions at CERN
Warsaw University of Technology（华沙工业大学）；IDEAS NCBR
本文首次将扩散模型应用于CERN ALICE实验的ZDC模拟，相比VAE和GAN基线实现最高保真度，并分析生成时间与质量的权衡，发现潜在扩散模型因快速生成而具显著潜力。
2024-06-05 cs.CV hep-ex physics.data-an
Deep generative models for fast photon shower simulation in ATLAS
针对ATLAS实验高精度模拟样本的大规模生产需求，研究用变分自编码器和生成对抗网络模拟电磁量能器的光子响应，验证了其快速模拟的可行性，可补充现有模拟技术。
2024-04-17 hep-ex physics.ins-det
Simplified fast detector simulation in MadAnalysis 5
我们在MadAnalysis 5平台中引入了一个新的简化的快速检测器模拟器。该程序的Python式解释器已通过新命令得到增强，允许通过涂抹和效率函数进行检测器参数化。在运行时，自动生成并执行关联的C++代码，以生成重构级别的事件。此外，我们还扩展了MadAnalysis 5重铸基础设施，以支持我们的探测器仿真器，并提供预定义的LHC探测器配置。我们已经比较了预测与我们的方法，从使用Delphes 3软件，无论是标准模型过程和一些新的物理信号。结果通常同意约10%或更好的水平，预测中的最大差异来自于模型特定检测器效应的不同策略。配备了这些新功能，MadAnalysis 5现在提供了一种新的用户友好的方式，在分析对撞机事件时包括探测器效果，探测器的模拟和分析都可以通过一组直观的Python命令或直接在平台的C++核心中处理。
2021-04-12 hep-ex hep-ph
Fast, accurate, and precise detector simulation with vision transformers
Université catholique de Louvain（天主教鲁汶大学）；Austrian Academy of Sciences (ÖAW)（奥地利科学院）
本文提出利用视觉变换器实现快速、准确且精确的探测器模拟，通过对比不同生成网络方法，展示其在保持Geant4精度的同时提升生成速度的性能。
2025-11-19 hep-ex hep-ph
Mathematical Framework for Fast and Rigorous Track Fit for the ZEUS Detector
在这份说明中，我们提出了一个数学框架，一个严格的方法，一个共同的轨道适合位于ZEUS探测器的内部区域的跟踪器。该方法利用卡尔曼滤波器，并提供了一个严格的处理磁场的不均匀性，多次散射和能量损失。我们描述的卡尔曼滤波器技术的实施与减少计算量的圆柱形漂移室，桶和向前硅条探测器和向前稻草漂移室的数学细节。讨论了具有齐次场和非齐次场的期权。在标准PC上，一个ZEUS事件中的轨道拟合大约需要20毫秒。
2008-12-05 hep-ex physics.data-an
Challenges and strategies in verification of FastRICH ASIC for the LHCb RICH detector
CERN（欧洲核子研究组织）
本文研究了LHCb RICH探测器LS3升级II中FastRICH ASIC的验证挑战与策略，重点在于功能正确性、时序性能和鲁棒性，通过模拟和压力测试验证了其性能。
2026-01-23 hep-ex physics.ins-det
Optimizing Neon-based Gas Mixtures for Two-stage Amplification Fast-timing Micromegas Detectors
本文通过模拟与实验研究氖基混合气体对两级放大快速定时微网探测器性能的影响，发现提高氖浓度可改善增益均匀性，为优化大面积PICOSEC MM探测器提供参考。
2024-11-07 hep-ex physics.ins-det
Parnassus: A GPU-enabled, Python-based Package for Fast Particle Detector Simulation and Reconstruction
University of Washington（华盛顿大学）；Weizmann Institute of Science（魏茨曼科学研究所）；Stanford University（斯坦福大学）；SLAC National Accelerator Laboratory（SLAC国家加速器实验室）
Parnassus是一个基于Python/PyTorch、支持GPU的快速探测器模拟与重建框架，提供可互换的探测器模型（神经网络和参数化模型），并兼容多种探测器（CMS、ATLAS、ALEPH），无需ROOT安装。
2026-06-25 hep-ex hep-ph
Prospects of fast timing detectors for particle identification at future Higgs factories
本文综述了利用典型的希格斯工厂探测器的电磁量能器中的飞行时间测量对带电强子（$π^{\pm}$，$K^{\pm}$，$p$）进行精确质量重建和识别的研究。飞行时间测量可以利用具有大约10 ps的时间分辨率的快速定时Si传感器。一个精确的飞行时间测量可能有助于K介子质量的测定，可以提高粒子识别的动量区域的$dE/dx$方法无法访问。在这篇文章中，我们讨论了目前的现状和挑战的飞行时间的方法精确重建带电强子质量。
2021-05-26 hep-ex physics.ins-det
Fast alignment of a complex tracking detector using advanced track models
CERN大型强子对撞机紧凑型μ子螺线管实验（CMS）的内部硅探测器由16588个模块组成。探测器中的带电粒子轨迹用于提高模块位置和方向的准确度。这方面的贡献集中在Millepede-II算法，CMS使用的两个对齐算法之一。最近，CMS对准过程中引入了一种先进的轨道模型，该模型基于“断线”模型，能够适当考虑探测器材料中的多次库仑散射。我们展示了在合理的时间内解决对齐问题所需的独特方法。重点是给出的数学处理的问题。
2011-03-21 hep-ex physics.ins-det
A fast simulation package for STCF detector
超级Tau Charm装置（STCF）是后BEPCII时代中国基于加速器的高能项目的主要选择之一，其研发计划正在进行中。建议的STCF将跨越质心能量（$\sqrt{s}$）范围从2到7 GeV，峰值亮度高于$0.5\times 10^{35}$ cm $^{-2}$ s $^{-1}$在$\sqrt{s}=4.0$ GeV，并将提供一个独特的平台，τ魅力物理和强子物理。为了评估物理潜在能力和优化探测器设计，已经开发了一个快速仿真包。该软件包将检测器的每个子系统中的物理对象的响应作为输入，包括分辨率、效率以及用于运动学拟合和次级顶点重建算法的相关变量。它可以灵活地调整每个子探测器系统的响应，是STCF研发计划的关键工具。
2021-02-04 hep-ex physics.ins-det
Statistical validation of calorimeter inpainting with generative diffusion priors
Stony Brook University（石溪大学）；Center for Frontiers in Nuclear Science, Stony Brook University（石溪大学核科学前沿中心）
本研究针对相对论重离子碰撞中量能器数据缺失问题，以预训练量能器扩散模型为先验，系统比较多种扩散修复算法并建立通用验证策略，实现缺失探测器信息的概率重建。
2026-10-01 hep-ex nucl-ex physics.data-an
Novel indium phosphide charged particle detector characterization with a 120 GeV proton beam
本文制备了具有MIM结构的磷化铟粒子探测器，在120 GeV质子束下表现出数百皮秒的快速响应，归因于高电子迁移率，有望用于构建高性能新型探测器。
2024-04-18 hep-ex physics.ins-det
A Comprehensive Evaluation of Generative Models in Calorimeter Shower Simulation
University of Virginia（弗吉尼亚大学）；Biocomplexity Institute and Initiative, University of Virginia（弗吉尼亚大学生物复杂性研究所及倡议项目）
针对粒子碰撞模拟计算压力大且生成式模型缺乏标准化评估的问题，本研究用多领域指标和标准数据集评估三种生成式模型及不同精度推理的影响，发现CaloDiffusion与CaloScore模拟精度最高但仍有不足。
2024-06-08 cs.AI hep-ex physics.data-an
Toward a generative modeling analysis of CLAS exclusive $2π$ photoproduction
本文首次将生成对抗网络（GANs）用于高能实验物理中消除双π光生过程的探测器效应，并通过 CLAS g11 运动学条件下的闭包测试验证其能在多维相空间中保持运动学相关性，为真实数据分析奠定基础。
2023-07-10 hep-ex hep-ph nucl-th
Measuring the Cosmic Ray Muon-Induced Fast Neutron Spectrum by (n,p) Isotope Production Reactions in Underground Detectors
虽然宇宙射线μ子本身在地下探测器中相对容易被否决，但它们与原子核的相互作用通过以下方式产生了更阴险的背景：（i）探测器内部由μ子诱导的溅射反应产生的长寿命同位素的衰变，（ii）由从探测器外部进入的快速μ子诱导的中子引发的溅射反应，以及（iii）由从探测器外部进入的快速μ介子诱导的中子引发的核反冲。这些背景很难被否决或屏蔽，对于太阳能、反应堆、暗物质和其他地下实验来说非常重要，特别是在追求增加灵敏度的时候。我们使用fluka来计算宇宙射线μ子产生的所有主要次级中子的产生率和光谱，特别关注次级中子，因为它们很重要。由于中子能谱急剧下降，总中子产生率只对相对较软的中子敏感，而对快中子成分不敏感。我们表明，在10和100兆电子伏之间的范围内的中子谱，而不是探测的（n，p）-诱导的同位素生产率12 C（n，p）12 B和16 O（n，p）16 N在油和水基探测器。12B的结果与最近的KamLAND测量结果吻合得很好。这些结果除了检验μ子秒数的计算外，还具有实际意义，因为1/2B（T1/2 = 20.2ms，Q = 13.4MeV）和16N（T1/2 = 7.13s，Q = 10.4MeV）是这些探测器的主要空间背景。
2005-09-16 hep-ex hep-ph nucl-ex
Parnassus: An Automated Approach to Accurate, Precise, and Fast Detector Simulation and Reconstruction
本文提出Parnassus深度学习模型，将探测器模拟与重建合并为点云到点云的一步式快速代理，并在CMS喷注数据上验证了其对粒子流算法的准确模拟及对训练分布外动量和类型的泛化能力。
2024-05-31 hep-ex hep-ph physics.data-an
