Core Concepts
最新の機械学習と深層学習技術を使用した高エネルギー物理学における画像分類の包括的な調査。
Abstract
高エネルギー物理学(HEP)実験と現象論研究において、機械学習(ML)とその専門分野である深層学習(DL)が統合されたことが強調されている。
HEP画像を表す包括的なタクソノミーが提示され、アクセス可能なデータセット、前処理技術の詳細、特徴抽出および選択方法が示されている。
人工知能(AI)モデルはHEP画像に適用され、Jet粒子に関連するHEP画像分類に焦点を当てた包括的な調査が行われている。
現在のHEPのDL手法や将来の研究方向についても議論されている。
1. 導入
HEPは宇宙の基本要素や力を探求する複雑な科学分野であり、LHCなどの巨大加速器で行われる実験から得られたデータを使用して粒子や相互作用を解析している。
2. Jetイメージ表現
CERNオープンデータポータルから利用可能なさまざまなJetイメージデータセットが紹介され、Jetイメージの前処理手法や特徴抽出技術について詳述されている。
3. 利用可能なAIモデル
高効率なDLアーキテクチャが提案され、SOTAで使用されている主要なDLモデルが比較・要約されており、例えばParTは新しいTransformerアーキテクチャであり、Jetタグ付けに効果的であることが示唆されている。
Stats
"DER_mass_MMC"はHiggs粒子質量を推定する方法を示す。
"PRI_jet_num"はイベント内に存在するジェット数をカウントする。