Machine-learned particle flow as a foundation model for collider physics
Diese Arbeit etabliert Machine-Learned Particle Flow (MLPF) als Fundamentmodell für die Kollisionsphysik, indem sie zeigt, dass dessen gelernte latente Repräsentationen als gemeinsame, informationsreiche Brücke zwischen Detektordaten auf niedriger Ebene und vielfältigen Analyseaufgaben auf hoher Ebene dienen und dadurch die Leistung sowie Effizienz im Vergleich zu traditionellen modularen Ansätzen signifikant verbessern.