Aller au contenu principal
Accès ouvert déclaré 2026 article

Full event interpretation with machine-learning-based particle-flow reconstruction in the CMS detector

0Citations signalées, ce qui n’est pas une note de qualité
2Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : de. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

The particle-flow (PF) algorithm constructs a global description of each particle collision by producing a comprehensive list of final-state particles, and is central to event reconstruction in the CMS experiment at the CERN LHC. The existing PF implementation relies on physics-motivated heuristics and assumptions that can be replaced by machine-learning (ML) models trained directly on simulated data and naturally suited to modern graphics processing units (GPUs). A state-of-the-art ML-based PF (MLPF) reconstruction algorithm, implemented within the CMS software framework, is presented. The MLPF algorithm performs a learnable full-event reconstruction on GPUs, generalizes across detector conditions and collision energies, and replaces multiple modular reconstruction steps with a single unified model. Physics performance comparable to standard PF reconstruction is achieved in both simulation and data, with improved jet energy resolution and inference time. In simulated top quark-antiquark events under LHC Run-3 (2023$-$2024) conditions, the jet energy resolution improves by 10$-$20% for jets with transverse momentum between 30$-$100 GeV. Inference time is evaluated using simulated multijet events, with a median of 20 ms per event on an Nvidia L4 GPU, compared to approximately 110 ms for the standard CMS PF reconstruction.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

La source scientifique ouverte est momentanément indisponible.

Où se fait cette recherche

  • Deutsches Elektronen-Synchrotron DESY pays non établi dans la notice
    Structure de recherche
  • RWTH Aachen University pays non établi dans la notice
    Université ou école supérieure
  • Rheinisch-Westfälische Technische Hochschule Aachen pays non établi dans la notice
    Institution

Deutsches Elektronen-Synchrotron DESY, RWTH Aachen University et Rheinisch-Westfälische Technische Hochschule Aachen.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Particle Detector Development and PerformanceParticle physics theoretical and experimental studiesHigh-Energy Particle Collisions Research

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.