基于GNN的MUonE实验径迹重建
GNN-based track reconstruction for MUonE experiment
- Institute of Nuclear Physics Polish Academy of Sciences（波兰科学院核物理研究所）
- AGH University of Krakow（克拉科夫AGH科技大学）
机构由 AI 辅助整理，请以论文原文为准。
AI总结：
本研究提出基于图神经网络的径迹重建模型，用于MUonE实验，实现全三维重建与粒子识别，速度显著优于经典算法，且效率与分辨率相当。
AI中文摘要：
本文介绍了一项基于图神经网络（GNN）的模型在MUonE实验中进行径迹重建的研究，使用了与测试运行MUonE探测器设置相对应的模拟数据。该全三维模型成功解决了实现实验主要物理目标所必需的重建和粒子识别两大挑战。与经典重建算法相比，它在保持相当效率和分辨率的同时，提供了显著更快的模式识别速度。
英文摘要：
A study of a Graph Neural Network-based model for track reconstruction in the context of MUonE experiment is presented, using simulated data corresponding to the test-run MUonE detector setup. The fully three dimensional model successfully addresses both the reconstruction and particle identification challenges essential for achieving the experiment's primary physics goal. It provides significantly faster pattern recognition than classical reconstruction algorithms, while maintaining comparable efficiency and resolution.
