pySiDR: Python Event Reconstruction for SiD
ILC社区中的事件重构通常依赖于用C++（一种快速编译语言）实现的算法。然而，Python包pyLCIO为存储在LCIO文件中的跟踪器和热量计命中提供了一个完整的接口，从而打开了以一种语言实现重建算法的可能性，这种语言非常适合使用列表解析构建的大型命中列表。Python是一种解释性语言，可以用最少的代码执行复杂的任务，还可以与最近开发的强大的机器学习工具无缝集成。我们讨论pySiDR，一个用于SiD事件重建的Python包。
2020-02-13 hep-ex physics.ins-det
Study of neutrino oscillation parameters at the INO-ICAL detector using event-by-event reconstruction
我们提出了建议的INO-ICAL在测量大气中微子振荡参数$θ_{23}$和$Δm^2_{32}$使用完整的事件重建的第一次达到。我们还研究了数据的波动及其对50千吨ICAL探测器五年曝光的精度测量和质量层次分析的影响。我们发现一个平均分辨率为$Δχ^2 \approx 2.9$，这排除了错误的中微子的质量等级的意义约为$1.7σ$。这些结果是类似的那些提出的早期研究，近似的ICAL检测器的性能。
2018-04-06 hep-ex physics.ins-det
Performance of CMS Muon Reconstruction in Cosmic-Ray Events
使用2008年记录的宇宙射线μ子的大数据样本评估CMS中μ子重建的性能。各种高层次的触发，识别和重建算法的效果已被测量的μ子动量的范围很广，并被发现与预期的蒙特卡罗模拟。在10 GeV/c时，穿过探测器桶形部分的μ子的相对动量分辨率优于1%，在500 GeV/c时约为8%，后者仅比理想对准条件下的预期差2倍。μ子电荷错配的范围从10 GeV/c时小于0.01%到500 GeV/c时约1%。
2010-01-29 physics.ins-det
Enhancing Neutrino Event Reconstruction with Pixel-Based 3D Readout for Liquid Argon Time Projection Chambers
在本文中，我们探讨了中微子事件重建的潜在改进，三维像素化读出可以提供一个二维投影线读出液氩时间投影室。我们在这两种设计的两种通用的理想化检测器配置中模拟和研究事件，使用深度卷积神经网络对每个样本中的事件进行分类，以比较最佳2D结果和最佳3D结果。在几乎所有的情况下，我们发现，3D读出提供更好的重建效率和纯度比2D投影线读出，与3D的优势是特别明显的更复杂的拓扑结构，如电子中微子带电电流事件。我们的结论是，使用3D像素化探测器可以显着提高未来的液态氩TPC实验物理计划，如DUNE的范围和影响。
2020-01-23 hep-ex physics.ins-det
Reconstruction of Point Events in Liquid-Scintillator Detectors Subjected to Total Reflection
外水缓冲层是液体闪烁体中微子探测器屏蔽外辐射本底的一种经济的选择。然而，闪烁光在介质边界处的相应全反射给检测器光学器件引入了额外的复杂性。本文通过研究全反射如何使光子传播复杂化并降低重建质量，建立了一个精确的探测器响应模型。我们首先参数化的检测器响应回归，提供一个无偏的能量和顶点重建的全反射区域，同时保持控制下的参数的数量。从锦屏原型的事件简并的经验，我们然后确定的根本原因是重建似然函数中的多模态，由缓冲器的折射率，探测器的规模和PMT覆盖范围。为了避免多模态，我们提出了一个简单的标准的基础上预期的光电倍增管之间的光电子计数比。该标准将用于确保成功，在未来的液体闪烁体探测器，保证事件重建的有效性。
2022-09-22 hep-ex physics.ins-det
Machine learning based event reconstruction for the MUonE experiment
针对MUonE实验，提出基于机器学习的DNN事件重建方案，性能与经典方法相当，但大幅缩短模式识别时间，为后续研究奠定基础。
2024-02-07 hep-ex physics.ins-det
Event Reconstruction in the NOvA Experiment
NOvA实验使用主要是μ子中微子的NuMI光束观察两个通道（电子中微子出现和μ子中微子消失）中的振荡。近探测器记录了每个事件中多个重叠的中微子相互作用，远探测器由于位于表面，因此具有大的宇宙射线背景。振荡分析依赖于中微子相互作用的精确重建，以精确测量中微子能量并识别中微子的味道和相互作用模式。类似地，使用近探测器测量中微子截面需要精确识别每个相互作用的粒子含量。一系列的模式识别技术已经被开发出来，以分裂成单独的空间和时间上分离的相互作用的事件记录，以估计相互作用的顶点，并隔离和分类事件内的单个粒子。讨论了在NOvA探测器中实现全事件重建的方法组合。
2017-10-10 hep-ex physics.ins-det
Transport Simulation and Diffractive Event Reconstruction at the LHC
研究了在距离ATLAS相互作用点220 m处的ATLAS正向物理探测器系统中衍射散射质子的测量。通过LHC磁体晶格的散射质子输运的参数化。讨论了质子能量展开及其对中心产生标量粒子质量分辨率的影响。
2009-08-05 hep-ex physics.ins-det
HGPflow: Extending Hypergraph Particle Flow to Collider Event Reconstruction
本文将基于学习超图的粒子重建算法HGPflow扩展至完整的质子-质子和电子-正电子碰撞事件，通过分区训练提升可扩展性并避免偏差，实验证明其在多数指标上优于传统算法和机器学习基准模型。
2025-05-01 hep-ex physics.ins-det
GPU-Accelerated Event Reconstruction for the COMET Phase-I Experiment
本文讨论了COMET第一阶段实验的并行事件重建。该实验旨在通过观察μ子原子中无中微子μ子到电子转换的104.97 MeV电子来发现带电轻子味违反。多螺旋线电子的事件重建是一个具有挑战性的问题，因为击中到匝分类需要很高的计算成本。所介绍的算法发现一个最佳的种子的位置和动量为每个回合分区调查的残差平方和的基础上的距离最近的方法（DCA）之间的命中和从种子外推的轨道。DCA小于截止值的命中被分类用于由种子表示的回合。通过调整截止值和细化分类命中集来优化分类性能。通过定义两个GPU内核，分别记录从种子推断的轨迹参数和找到命中的DCA，将工作负载在种子和命中上并行化。在包含信号电子和背景电子的宽动量区，获得了合理的效率和动量分辨率。从CPU和GPU的事件重建结果是彼此相同的。基准测试的GPU比16核CPU有一个数量级的加速，而确切的速度增益取决于它们的架构。
2020-09-08 physics.ins-det
Bounded-Latency Spherical-Histogram Reconstruction for Compton Cameras
Instituto de Física Corpuscular (IFIC), CSIC-Universitat de València（粒子物理与核物理研究所（IFIC），西班牙瓦伦西亚大学）；Universitat Politècnica de València（瓦伦西亚理工大学）；ENRESA（恩雷萨）
针对康普顿相机伽马射线成像计算量大的问题，提出球直方图框架，通过预计算稀疏投影算子实现有界延迟重建，支持多视图等多种操作。
2026-07-31 physics.ins-det physics.med-ph
Event-Level Voxel Reconstruction in Two-Photon Absorption Scans Using Pixel-Overlap Selection in Timepix3
Cavendish Laboratory, University of Cambridge（剑桥大学卡文迪许实验室）
本文提出利用Timepix3进行两光子吸收扫描的事件级体素重建方法，通过像素重叠定义事件并估计簇级时间，实现无外部触发的稳定体素时间分配，避免了传统方法的空间偏差。
2026-04-17 physics.ins-det
Full event interpretation with machine-learning-based particle-flow reconstruction in the CMS detector
European Organization for Nuclear Research (CERN)（欧洲核子研究中心）
基于机器学习的粒子流重建算法在CMS探测器中实现了更高效和精确的事件重建，提升了喷注能量分辨率和推理效率。
2026-09-04 hep-ex physics.ins-det
Cluster Reconstruction in Electromagnetic Calorimeters Using Machine Learning Methods
本文提出使用自编码器架构的卷积神经网络重建高能物理实验分段探测器中的粒子簇，能精确重建入射粒子的撞击点与能量，并有效分离重叠信号。
2025-05-30 physics.ins-det
Sub-GeV events energy reconstruction with 3-inch PMTs in JUNO
本文提出一种利用JUNO探测器中25600个3英寸PMT击中信息与OCCUPANCY方法重建亚GeV事例能量的新算法，并在10 MeV至1 GeV电子蒙特卡罗样本上验证了其良好性能。
2024-02-16 hep-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
Reconstruction of Neutrino Events in IceCube using Graph Neural Networks
IceCube中微子观测站是一个20公里规模的中微子探测器，嵌入南极的南极冰中。在不久的将来，探测器将通过扩展来增强，例如IceCube升级和计划中的Gen2探测器。低能量事件探测器中观测到的光的稀疏性以及探测器的不规则几何形状一直是重建所探测到的中微子参数的挑战。这一挑战仍然存在于目前正在建设中的IceCube升级中，该升级引入了七个新的探测器串，带有新型探测器模块。升级模块将提高低能量事件的探测率，并使我们能够进一步约束中微子振荡物理。然而，这些模块的几何形状使得现有的传统重建算法更难以使用。我们介绍了一种新的重建算法的基础上图神经网络，我们用它来重建中微子事件在更快的处理时间比传统算法，同时提供相当的分辨率。我们表明，我们的算法不仅适用于重建当前IceCube探测器的数据，而且还适用于下一代扩展（如IceCube升级）的模拟事件。
2021-07-23 astro-ph.HE astro-ph.IM physics.ins-det
Spatial methods for event reconstruction in CLEAN
在CLEAN（Cryogenic Low Energy Astrophysics with Noble Gases）中，如果能够以高精度确定电离辐射事件的位置，则背景鉴别是可能的。CLEAN是一种建议的中微子和暗物质探测器。我们模拟电离辐射事件，产生多个闪烁光子内充满液体氖的球形检测体积。我们估计一个特定的电离辐射事件的径向位置的基础上观察到的计数数据对应于该事件。计数数据由安装在检测体积的球形边界处的检测器收集。我们忽略吸收，但考虑瑞利散射。为了解释闪烁光的波长漂移，我们假设光子在探测器处被吸收并重新发射。在这里，我们开发了空间极大似然方法的事件重建，并研究其性能在计算机模拟实验。我们还研究了一种基于观测计数数据质心的方法。我们根据训练数据校准我们的估计。
2003-09-05 astro-ph physics.data-an physics.ins-det
Hellenic Open University Reconstruction & Simulation (HOURS) software package: User Guide & short reference of Event Generation, Cherenkov photon production and Optical Module simulation
在本文档中，详细描述了希腊开放大学重建与模拟（HOURS）软件包的模拟部分。HOURS可用于超大体积中微子望远镜中高能中微子产生事件的产生、模拟、模式识别和重建。其目的是提供尽可能准确的事件属性在广泛的中微子望远镜配置和介质的光学特性的表示。此外，HOURS还包含使用海伦莱姆宇宙观测站网络（HELYCON）闪烁计数器模拟和重建广泛空气簇射的软件。利用任何EAS的模拟/重建所提供的信息，并通过考虑穿透海洋到中微子望远镜深度的簇射的高能μ子，可以研究中微子和EAS探测器的联合性能，用于物理或校准目的。HOURS已被广泛用于优化，校准技术的发展和性能评估计划的地中海中微子望远镜，KM 3 NeT（公里3中微子望远镜）。这些研究的结果已发表在各种国际科学期刊上。代码和更多信息可以在HOURS网页上找到：http://physicslab.eap.gr/EN/Simulation_software.html。
2017-02-03 astro-ph.IM physics.ins-det
Measuring the Neutrino Event Time in Liquid Argon by a Post-Reconstruction One-parameter Fit
我们提出了一个相对简单的方法来测量事件的时间在液体氩（LAr）TPC为基础的中微子探测器，利用拓扑重建的每个事件的TPC数据之前，执行一个参数的拟合。将检测到的光子的测量时间和位置拟合到如使用电子漂移重建的来自轨道的光的预期图案。该事件可以被视为一个刚体，只有中微子相互作用时间作为自由参数。对于可见光波段的切伦科夫光，LAr的光学性质与水的光学性质相当。给定来自电子漂移的已知轨道拓扑结构，光图案的数据-蒙特卡罗比较使得能够原位校准光学模型和进一步优化定时。一个背面的信封计算预测，单个参数适合的相互作用时间需要一个显着较低的光电探测器的覆盖范围比需要相同的精度在传统的温液体探测器。
2020-04-01 hep-ex physics.ins-det
Neutron source-based event reconstruction algorithm in large liquid scintillator detectors
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
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
Monte Carlo tomographic reconstruction in SPECT impact of bootstrapping and number of generated events
在单光子发射计算机断层成像（SPECT）中，通常通过执行一组二维（2D）解析或迭代重建来重建的3D图像也可以使用涉及3D投影仪的迭代重建算法来重建。精确的蒙特卡罗（MC）模拟对影响成像过程的所有物理效应进行建模，可以用于估计该投影仪。然而，投影仪的精度受到MC模拟的随机性质的影响。在本文中，我们研究了重建图像的准确性相对于用于估计MC投影机的模拟历史的数量。此外，我们还研究了在估计投影机时应用自举技术的影响
2005-07-25 cond-mat.stat-mech physics.ins-det
Energy Reconstruction of Non-fiducial Electron-Positron Events in the DAMPE Experiment Using Convolutional Neural Networks
针对DAMPE实验中非视场电子-正电子事件，提出用卷积神经网络回归重建初始能量，以增加多TeV能量下宇宙射线电子的接收度。
2025-06-12 astro-ph.HE astro-ph.IM hep-ex
Evaluation of the performance of the event reconstruction algorithms in the JSNS$^2$ experiment using a $^{252}$Cf calibration source
本研究针对JSNS$^2$短基线中微子振荡实验的物理分析需求，利用$^{252}$Cf校准源检验事件重建算法的性能，介绍了该算法的方法与表现，为实验数据的物理分析提供支撑。
2025-01-19 hep-ex physics.ins-det
Detector-aware target definitions for full-event particle reconstruction
CERN（欧洲核子研究组织）
针对基于机器学习的粒子重建中目标定义忽视探测器几何与分辨率导致训练歧义的问题，提出探测器感知目标定义方法，利用基于单元能量共享的击中合并算法构建目标，提升重建性能与模型鲁棒性。
2026-06-29 hep-ex physics.data-an physics.ins-det
CHIPS Event Reconstruction and Design Optimisation
CHIPS实验将包括在美国明尼苏达州北部的一个露天矿井中的10千吨水切伦科夫探测器。该检测器已被模拟使用一个完整的GEANT4模拟和一系列的事件重建算法已经开发，以利用所有的光电倍增管的电荷和时间信息。使用10英寸和3英寸PMT的模拟CCQE nu_mu和nu_e相互作用的比较，以及3英寸PMT的10%和6%光阴极覆盖率的比较。研究表明，在3英寸光电倍增管上，用6%的光阴极覆盖率可以达到所需的选择效率和荷电nu_e相互作用的纯度。最后，一个专用的π零滤波器成功地重建一个干净的样品的π零介子，尽管低6%的光阴极覆盖率与3英寸光电倍增管。
2016-12-14 hep-ex physics.ins-det
Energy reconstruction of electromagnetic showers from $π^0$ decays with the ICARUS T600 Liquid Argon TPC
我们讨论了ICARUS T600探测器在电磁簇射重建中的能力，通过对2001年帕维亚表面测试运行的212个事件的样本进行分析，这些事件是强子相互作用导致$π^{0}$介子产生的。发展了簇射能量和簇射方向的测量方法，并重建了光子对的不变质量。发现（$γ$，$γ$）不变质量与$π^0$质量值一致。发现重建的$π^0$质量的分辨率等于27.3%。为了从拥挤环境中测量的事件中清除完整事件样本而进行的改进分析（主要是由于触发条件）给出了16.1%的$π^0$质量分辨率，显著优于针对完整事件样本评估的质量分辨率。至少四个光电倍增管信号重合的触发要求有利于选择具有强烈堆积的宇宙射线轨道和相互作用的事件。因此，许多候选$π^0$事件被其他轨道严重污染，不得不被拒绝。对强子和中微子相互作用中产生$π^0$的事件进行了蒙特卡罗模拟，证实了簇射能量和簇射方向重建方法应用于实际数据的有效性。
2008-12-12 hep-ex physics.ins-det
LHCb's Forward Tracking algorithm for the Run 3 CPU-based online track-reconstruction sequence
本文介绍 LHCb Run 3 基于 CPU 的在线径迹重建序列，重点阐述 Forward Tracking 算法如何通过 SIMD 指令优化 Hough 变换和簇搜索，在保证效率的同时将事例吞吐量提升 60%。
2023-07-11 hep-ex physics.ins-det
Particle-flow reconstruction and global event description with the CMS detector
在欧洲核子研究中心的大型强子对撞机运行开始前几年，CMS设备被确定为具有非常适合粒子流（PF）重建的特性：高度分段的跟踪器，细粒度的电磁量热计，密封的强子量热计，强磁场和出色的μ子光谱仪。因此，一个完全成熟的PF重建算法调整到CMS检测器的开发，并一直在物理分析中使用的第一次在强子对撞机。对于每次碰撞，由算法识别和重建的最终状态粒子的全面列表提供了一个全局事件描述，导致前所未有的CMS性能，用于射流和强子τ衰变重建，丢失的横向动量确定，以及电子和μ子识别。这种方法还允许识别来自堆积相互作用的颗粒，并实现有效的堆积缓解方法。CMS在质心能量为8 TeV时收集的数据显示出与模拟的良好一致性，并证实了至少在平均20个堆积相互作用下的优异PF性能。
2017-10-09 hep-ex physics.ins-det
Machine Learning for Event Reconstruction in the CMS Phase-2 High Granularity Calorimeter Endcap
Laboratoire Leprince-Ringuet, École Polytechnique - CNRS/IN2P3（勒普朗斯-林盖实验室，巴黎综合理工学院 - 法国国家科学研究中心/欧洲核子研究组织）
CMS Phase-2 高分辨率 calorimeter 端帽采用机器学习技术改进事件重建，以利用高空间分辨率和精确时间信息。
2025-12-08 hep-ex physics.ins-det
Improved particle-flow event reconstruction with scalable neural networks for current and future particle detectors
National Institute of Chemical Physics and Biophysics (NICPB)（国家化学物理与生物物理研究所）；European Center for Nuclear Research (CERN)（欧洲核子研究中心）；University of California San Diego（加利福尼亚大学圣迭戈分校）
针对高粒度探测器，提出可扩展神经网络（图神经网络与Transformer）实现粒子流重建，避免二次复杂度，最佳模型将喷注横动量分辨率提升达50%，且跨硬件可移植。
2024-07-16 cs.LG hep-ex physics.data-an
