Image Classification in High-Energy Physics: A Comprehensive Survey of Applications to Jet Analysis

要約

現在、高エネルギー物理学 (HEP) の分野では、実験研究と現象学的研究の両方において、機械学習 (ML) とその専門分野である深層学習 (DL) を組み込む傾向が高まっています。
このレビュー ペーパーでは、さまざまな DL アプローチを使用したこれらのアプリケーションを詳しく説明します。
論文の最初の部分では、さまざまなタイプの素粒子物理学の基本を検討し、利用可能な学習モデルとともに素粒子物理学を評価するためのガイドラインを設定します。
次に、明確に定義されたビームエネルギーで主に陽子間衝突による高エネルギー衝突で再構成されたジェット画像を表すための詳細な分類が提供され、さまざまなデータセット、前処理技術、特徴抽出および選択方法がカバーされます。
提示された技術は、高光度 LHC (HL-HLC) や将来の円形衝突型ハドロン ハドロン (FCC-hh) などの将来のハドロン – ハドロン衝突型加速器 (HLC) に適用できます。
次に、著者らは、HEP の画像専用に設計された多数の AI モデル分析を検討します。
さらに、ジェットに重点を置いて、ハドロン衝突における画像に関連する分類を詳しく調べます。
このレビューでは、ML と DL におけるさまざまな最先端 (SOTA) 技術を検討し、HEP の需要に対するそれらの影響を調べます。
より正確には、この説明では、ジェットのタグ付け、ジェットの追跡、粒子の分類など、さまざまなアプリケーションについて詳細に取り上げます。
このレビューは、DL 手法を使用した HEP の現状の分析で終わります。
これは、アプリケーションごとに示される将来の研究の課題と潜在的な領域をカバーしています。

要約(オリジナル)

Nowadays, there has been a growing trend in the fields of high-energy physics (HEP) in its both parts experimental and phenomenological studies, to incorporate machine learning (ML) and its specialized branch, deep learning (DL). This review paper provides a thorough illustration of these applications using different DL approaches. The first part of the paper examines the basics of various particle physics types and sets up guidelines for assessing particle physics alongside the available learning models. Next, a detailed classification is provided for representing the jet images that are reconstructed in high energy collisions mainly with proton-proton collisions at well defined beam energies, covering various datasets, preprocessing techniques, and feature extraction and selection methods. The presented techniques can be applied to future hadron-hadron colliders (HLC) such as high luminosity LHC (HL-HLC) and future circular collider-hadron-hadron (FCC-hh). Next, the authors explore a number of AI models analysis designed specifically for images in HEP. We additionally undertake a closer look at the classification associated with images in hadron collisions, with an emphasis on Jets. In this review, we look into various state-of-the-art (SOTA) techniques in ML and DL, examining their implications for HEP demands. More precisely, this discussion tackles various applications in extensive detail, such as Jet tagging, Jet tracking, particle classification, and more. The review concludes with an analysis of the current state of HEP, using DL methodologies. It covers the challenges and potential areas for future research that will be illustrated for each application.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google