Machine-learned particle flow as a foundation model for collider physics
Este artigo estabelece o fluxo de partículas aprendido por máquina (MLPF) como um modelo de fundação para a física de colisores ao demonstrar que suas representações latentes aprendidas servem como uma ponte compartilhada e rica em informações entre dados de detectores de baixo nível e diversas tarefas de análise de alto nível, melhorando significativamente o desempenho e a eficiência em comparação com abordagens modulares tradicionais.