Vision Transformers and Graph Neural Networks for Charged Particle Tracking in the ATLAS Muon Spectrometer
Este artigo apresenta duas abordagens baseadas em aprendizado de máquina para otimizar o rastreamento de múons no Espectrômetro de Múons do ATLAS: o uso de Redes Neurais de Grafos para rejeitar ruídos e acelerar a reconstrução em 15%, e a aplicação de Vision Transformers para alcançar uma reconstrução aproximada ultra-rápida em 2,3 ms com 98% de eficiência, visando enfrentar os desafios de alta luminosidade do LHC.