Tracking on the BESIII CGEM Inner Detector Using Deep Learning

Gennady Alekseevich Ososkov,Olga Valarevna Bakina, Dmitry Aleksandrovich Baranov,Pavel Vladimirovich Goncharov,Igor Igorevich Denisenko,A. S. Zhemchugov, Yury Anatolevich Nefedov,Andrey V. Nechaevskiy,Anastasiya Nikolaevna Nikolskaya,Egor Mihaylovich Shchavelev,Liang-Liang Wang,Sheng-Sen Sun,Yao Zhang

Kompʹûternye issledovaniâ i modelirovanie（2020）

引用 0|浏览7

暂无评分

摘要

Реконструкция траекторий заряженных частиц в трековых детекторах является ключевой проблемой анализа экспериментальных данных для физики высоких энергий и ядерной физики.Поток данных в современных экспериментах растет день ото дня, и традиционные методы трекинга уже не в состоянии соответствовать этим объемам данных по скорости обработки.Для решения этой проблемы нами были разработаны два нейросетевых алгоритма, использующих методы глубокого обучения, для локальной (каждый трек в отдельности) и глобальной (все треки в событии) реконструкции треков применительно к данным трекового GEM-детектора эксперимента BM@N ОИЯИ

查看译文

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要