Image and Point-cloud Classification for Jet Analysis in High-Energy Physics: A survey

要約

現在、機械学習（ML）と専門分野であるディープラーニング（DL）を組み込むために、高エネルギー物理学（HEP）の分野（HEP）の分野で成長する傾向がありました。
このレビューペーパーでは、さまざまなMLおよびDLアプローチを使用したこれらのアプリケーションの徹底的な図を提供します。
論文の最初の部分では、さまざまな粒子物理学タイプの基本を調べ、利用可能な学習モデルとともに粒子物理学を評価するためのガイドラインを確立します。
次に、主に明確に定義されたビームエネルギーでのプロトンプロトン衝突で、高エネルギーの衝突で再構築されるジェットを表すための詳細な分類が提供されます。
このセクションでは、さまざまなデータセット、前処理技術、機能抽出および選択方法について説明します。
提示された手法は、高光度LHC（HL-LHC）や将来の円形コリダー-Hadron-Hadron（FCCHH）など、将来のHadron-Hadron Colliders（HHC）に適用できます。
次に、著者は、HEPの画像とPoint-Cloud（PC）データの両方に特化したいくつかのAI技術分析を探索します。
さらに、ハドロンの衝突におけるジェットタグ付けに関連する分類をよく見ることができます。
このレビューでは、MLおよびDLのさまざまな最先端（SOTA）技術を調べ、HEP需要への影響に焦点を当てています。
より正確には、このディスカッションでは、ジェットタグ付け、ジェットトラッキング、粒子分類など、さまざまなアプリケーションに幅広い詳細を扱っています。
レビューは、DL方法論を使用したHEPの現在の状態の分析とともに終了します。
それは、各アプリケーションに示されている将来の研究の課題と潜在的な分野を強調しています。

要約(オリジナル)

Nowadays, there has been a growing trend in the field of high-energy physics (HEP), in both its 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 ML and DL approaches. The first part of the paper examines the basics of various particle physics types and establishes guidelines for assessing particle physics alongside the available learning models. Next, a detailed classification is provided for representing Jets that are reconstructed in high-energy collisions, mainly in proton-proton collisions at well-defined beam energies. This section covers various datasets, preprocessing techniques, and feature extraction and selection methods. The presented techniques can be applied to future hadron-hadron colliders (HHC), such as the high-luminosity LHC (HL-LHC) and the future circular collider – hadron-hadron (FCChh). The authors then explore several AI techniques analyses designed specifically for both image and point-cloud (PC) data in HEP. Additionally, a closer look is taken at the classification associated with Jet tagging in hadron collisions. In this review, various state-of-the-art (SOTA) techniques in ML and DL are examined, with a focus on their implications for HEP demands. More precisely, this discussion addresses 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 highlights the challenges and potential areas for future research, which are illustrated for each application.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google