Deep-learning-based low-energy trigger algorithms for the Hyper-Kamiokande experiment
Dit artikel toont aan dat op deep learning gebaseerde trigger-algoritmen, met name een gesuperviseerd neuraal netwerk en een MPDR-gebaseerd anomaliedetectiemodel, traditionele hit-count triggers aanzienlijk overtreffen bij het identificeren van laagenergetische neutrino-gebeurtenissen voor het Hyper-Kamiokande-experiment, terwijl de real-time haalbaarheid behouden blijft met GPU-inferentielatenties van minder dan een milliseconde.