Comprehensive reconstruction of collider events with hypergraph representation learning and graph-conditioned diffusion
Este artículo presenta VyPER, un novedoso marco de aprendizaje geométrico que combina el aprendizaje de representaciones de hipergrafos con modelos de difusión condicionados por grafos para optimizar simultáneamente la asignación de partículas y la predicción de la cinemática de neutrinos, demostrando un rendimiento de reconstrucción de eventos superior en diversos procesos del Modelo Estándar en comparación con las técnicas existentes.