On-Detector Machine Learning for Beam-Induced Background Rejection at a 10 TeV Muon Collider
Cet article démontre que des réseaux de neurones légers implémentés directement sur le détecteur de vertex peuvent rejeter efficacement 88 à 90 % du bruit de fond induit par le faisceau tout en maintenant une efficacité de signal de 99 %, offrant ainsi une stratégie compatible avec le matériel pour gérer les contraintes de lecture pour un futur collisionneur de muons de 10 TeV.