機械学習支援による粒子トラック再構築とヒットクラスタリングの新しいアプローチ

トラック再構築は高エネルギー物理学（HEP）の重要な側面であり、主要な実験において重要な役割を果たします。本研究では、粒子トラック再構築とヒットクラスタリングの未開拓の道を探ります。まず、単純さのために特に構成されたトレーニングデータを生成するために、簡素化されたシミュレーター（REDVID）を利用してアルゴリズム設計の努力を強化します。このデータが最適なネットワークアーキテクチャの開発を導くのに効果的であることを示します。さらに、このタスクに対する画像セグメンテーションネットワークの適用を調査し、正確なトラック再構築の可能性を探ります。加えて、ヒットシーケンスをトラックシーケンスへの翻訳問題として扱う異なる視点からこのタスクにアプローチします。具体的には、追跡の目的のためにトランスフォーマーアーキテクチャの利用を探ります。私たちの初期の発見は詳細に説明されています。この新しいアプローチを考慮することで、トラック再構築における新しい洞察と潜在的な進展を発見することを目指します。この研究は、以前は探求されていなかった方法についての洞察を提供し、HEPにおける粒子トラック再構築およびヒットクラスタリング分野に貴重な知見を提供します。”},{