Copertina

Combined track finding with GNN & CKF

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Heinrich, Lukas, Huth, Benjamin, Salzburger, Andreas, Wettig, Tilo
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	High Energy Physics - Experiment Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Double Descent and Overparameterization in Particle Physics Data
di: Vigl, Matthias, et al.
Pubblicazione: (2025)

The derivation of Jacobian matrices for the propagation of track parameter uncertainties in the presence of magnetic fields and detector material
di: Yeo, Beomki, et al.
Pubblicazione: (2024)

Finetuning Foundation Models for Joint Analysis Optimization
di: Vigl, Matthias, et al.
Pubblicazione: (2024)

Shapes are not enough: CONSERVAttack and its use for finding vulnerabilities and uncertainties in machine learning applications
di: Bechtle, Philip, et al.
Pubblicazione: (2026)

Neural Scaling Laws for Boosted Jet Tagging
di: Vigl, Matthias, et al.
Pubblicazione: (2026)

The Tracking Machine Learning challenge : Throughput phase
di: Amrouche, Sabrina, et al.
Pubblicazione: (2021)

Discriminative versus Generative Approaches to Simulation-based Inference
di: Sluijter, Benjamin, et al.
Pubblicazione: (2025)

Hierarchical Neural Simulation-Based Inference Over Event Ensembles
di: Heinrich, Lukas, et al.
Pubblicazione: (2023)

GNN For Muon Particle Momentum estimation
di: Bhat, Vishak K, et al.
Pubblicazione: (2026)

TrackSorter: A Transformer-based sorting algorithm for track finding in High Energy Physics
di: Melkani, Yash, et al.
Pubblicazione: (2024)

traccc: GPU track reconstruction library for HEP experiments
di: Gessinger, Paul, et al.
Pubblicazione: (2025)

ColliderML: The First Release of an OpenDataDetector High-Luminosity Physics Benchmark Dataset
di: Elitez, Doğa, et al.
Pubblicazione: (2025)

Masked Particle Modeling on Sets: Towards Self-Supervised High Energy Physics Foundation Models
di: Golling, Tobias, et al.
Pubblicazione: (2024)

Improving Generative Model-based Unfolding with Schrödinger Bridges
di: Diefenbacher, Sascha, et al.
Pubblicazione: (2023)

SEAL - A Symmetry EncourAging Loss for High Energy Physics
di: Hebbar, Pradyun, et al.
Pubblicazione: (2025)

Generative Unfolding with Distribution Mapping
di: Butter, Anja, et al.
Pubblicazione: (2024)

Bumblebee: Foundation Model for Particle Physics Discovery
di: Wildridge, Andrew J., et al.
Pubblicazione: (2024)

Generator Based Inference (GBI)
di: Cheng, Chi Lung, et al.
Pubblicazione: (2025)

Characterization and upgrade of a quantum graph neural network for charged particle tracking
di: Argenton, Matteo, et al.
Pubblicazione: (2026)

High-dimensional and Permutation Invariant Anomaly Detection
di: Mikuni, Vinicius, et al.
Pubblicazione: (2023)

The Landscape of Unfolding with Machine Learning
di: Huetsch, Nathan, et al.
Pubblicazione: (2024)

EveNet: A Foundation Model for Particle Collision Data Analysis
di: Hsu, Ting-Hsiang, et al.
Pubblicazione: (2026)

Differentiable quantum-trajectory simulation of Lindblad dynamics for QGP transport-coefficient inference
di: Heinrich, Lukas, et al.
Pubblicazione: (2026)

Uncertainty Quantification From Scaling Laws in Deep Neural Networks
di: Elsharkawy, Ibrahim, et al.
Pubblicazione: (2025)

Towards Foundation Models for Experimental Readout Systems Combining Discrete and Continuous Data
di: Giroux, James, et al.
Pubblicazione: (2025)

Polyakov loops and SU(2) staggered Dirac spectra
di: Bruckmann, Falk, et al.
Pubblicazione: (2008)

KAN we improve on HEP classification tasks? Kolmogorov-Arnold Networks applied to an LHC physics example
di: Erdmann, Johannes, et al.
Pubblicazione: (2024)

AI-based particle track identification in scintillating fibres read out with imaging sensors
di: Bührer, Noemi, et al.
Pubblicazione: (2024)

Aspen Open Jets: Unlocking LHC Data for Foundation Models in Particle Physics
di: Amram, Oz, et al.
Pubblicazione: (2024)

A Language Model for Particle Tracking
di: Huang, Andris, et al.
Pubblicazione: (2024)

MACK: Mismodeling Addressed with Contrastive Knowledge
di: Sheldon, Liam Rankin, et al.
Pubblicazione: (2024)

Learning Broken Symmetries with Approximate Invariance
di: Nabat, Seth, et al.
Pubblicazione: (2024)

Integrating Physics Inspired Features with Graph Convolution
di: Sahu, Rameswar
Pubblicazione: (2024)

Machine-Learning Analysis of Radiative Decays to Dark Matter at the LHC
di: Arganda, Ernesto, et al.
Pubblicazione: (2024)

Loss function to optimise signal significance in particle physics
di: Bardhan, Jai, et al.
Pubblicazione: (2024)

PIPPIN: Generating variable length full events from partons
di: Quétant, Guillaume, et al.
Pubblicazione: (2024)

Improvement and generalization of ABCD method with Bayesian inference
di: Alvarez, Ezequiel, et al.
Pubblicazione: (2024)

A Lorentz-Equivariant Transformer for All of the LHC
di: Brehmer, Johann, et al.
Pubblicazione: (2024)

Improving the performance of weak supervision searches using data augmentation
di: Chen, Zong-En, et al.
Pubblicazione: (2024)

Re-Simulation-based Self-Supervised Learning for Pre-Training Foundation Models
di: Harris, Philip, et al.
Pubblicazione: (2024)