Физика > Приборы и детекторы [представлен 29 мая 2026 (v1), последний пересмотренный вариант 15 сентября 2026 года (эта версия, v2)) Заголовок: Дип-обучение низкоэнергетических алгоритмов для эксперимента Hyper-Kamiokande View PDF HTML (экспериментальный) резюме: Методы машинного обучения стали приобретать все большее значение в физике частиц изза их мощной способности распознавать модели, включая получение данных в режиме реального времени при наличии жестких ограничений рабочего времени. В настоящем документе подробно описывается эффективность алгоритмов спускового сигнала на основе глубокого обучения для такого большого водяного детектора, как Hyper-Kamiokande, который предназначен для низкоэнергетических нейтрино (менее 7 МВ). Характеристики традиционных нейронных сетей, контролируемых классификаторами, показаны наряду с двумя подходами к обнаружению аномалий, подготовленными исключительно по вопросам шума детектора: чистым автоенкодером и моделью на основе Manifold Projection-Difclusion Recovery. На основе контролируемой модели эффективность идентификации сигналов составляет 76,7 процента для одиночных электронов с кинетической энергией 3 МВ, что значительно превышает коэффициент эффективности сигнала, полученный при традиционном пусковом устройстве на уровне 26,4 процента, в то время как подход " Манифолд проекция-диффил регенерация &qt; достигает 35,4 процента в той же оперативной точке. Оценки в режиме рабочего времени по результатам анализа урожайности ГПС на…
Алгоритмы спусковых установок для эксперимента " Хайпер-Камиоканде &qt; , основанные на глубоком обучении
arXiv: 2605,31391v2 Annuales Type: заменить перекрестное резюме: Современные методы машинного обучения приобретают все большее значение в физике частиц из-за их мощной способности распознавать модели, включая получение данных в режиме реального времени при наличии жестких ограничений рабочего времени. В настоящем документе подробно описывается эффективность алгоритмов спускового сигнала на основе глубокого обучения для такого большого водяного детектора, как Hyper-Kamiokande, который предназначен для низкоэнергетических нейтрино (менее 7 МВ). Характеристики традиционных нейронных сетей, контролируемых классификаторами, показаны наряду с двумя подходами к обнаружению аномалий, подготовленными исключительно по вопросам шума детектора: чистым автоенкодером и моделью на основе Manifold Projection-Difclusion Recovery. На контролируемой модели эффективность идентификации сигналов составляет 76,7 процента для одиночных электронов с кинетической энергией 3 МВ, что значительно превышает коэффициент эффективности сигнала, полученный в результате применения традиционного пускового механизма на основе коэффициента поражающего значения 26,4 процента, а подход " Манифолд проекция-диффил регенерация &qt; приближается