Comprehensive reconstruction of collider events with hypergraph representation learning and graph-conditioned diffusion
Dieses Paper führt VyPER ein, ein neuartiges geometrisches Lernframework, das Hypergraph-Repräsentationslernen mit graph-konditionierten Diffusionsmodellen kombiniert, um die Partikelzuordnung und die Vorhersage der Neut kinematik gleichzeitig zu optimieren, wobei es eine überlegene Ereignisrekonstruktionsleistung bei verschiedenen Standardmodell-Prozessen im Vergleich zu bestehenden Techniken demonstriert.