Machine-learned particle flow as a foundation model for collider physics
Este artículo establece el flujo de partículas aprendido mediante aprendizaje automático (MLPF) como un modelo fundacional para la física de colisionadores al demostrar que sus representaciones latentes aprendidas sirven como un puente compartido y rico en información entre los datos del detector de bajo nivel y diversas tareas de análisis de alto nivel, mejorando significativamente el rendimiento y la eficiencia en comparación con los enfoques modulares tradicionales.