Skip to content

AI × HEP高能物理海量数据的
智能物理分析模型及应用

人工智能驱动粒子重建与物理推理以加速新发现

最新动态

  • 2026:ANT 论文已发表于 Pattern Recognition Letters
    我们的研究成果 Anti-Neutron Transformer Pre-trained with Position Cloze Procedure for High-Energy Particle Detection 已发表于 Pattern Recognition Letters(2026)。该工作将 EMC 的稀疏能量沉积序列化为 token,并通过 Position Cloze 预训练增强表征学习,实现反中子入射方向、位置与动量的联合预测。
ANT 论文方法流程图
ANT:Position Cloze 预训练驱动的反中子探测流程。
  • 研究动态:GeoRevise 投稿至 International Conference on 3D Vision 2027
    论文 GeoRevise: Operator-Aware Selective Revision for VLM-Based 3D Spatial Reasoning 提出面向 VLM 三维空间推理的可执行、证据约束修正机制;仅当候选答案满足可执行性、不变量与证据校验时才覆盖原始回答。
GeoRevise 系统架构与覆盖决策流程图
GeoRevise:面向三维空间推理的选择性修正框架。
  • 研究动态:物理一致反中子重建工作在 Journal of High-Energy Physics(2026)在审
    论文 Learning Physics-Consistent Representation for Anti-Neutron Reconstruction in Electromagnetic Calorimeters 联合序列与视觉表征,并融入物理启发的扩散算子,以完成反中子身份、入射方向和动量重建。
物理一致反中子重建方法流程图
物理一致表征:序列与视觉分支融合的反中子重建。
  • 研究动态:SpikePhys 投稿至 AAAI 2027
    论文 SpikePhys: Motion-Aware Physics-Informed Neural Fields for Self-Supervised Spike Camera Reconstruction 以运动感知物理约束神经场进行自监督脉冲相机重建,并通过运动对齐提升时空一致性。
SpikePhys 运动感知物理约束重建框架图
SpikePhys:运动感知物理约束的脉冲相机重建。
  • 2025-12:单粒子设定下的性能评估(ViC vs ANT)
    评估从最理想的单粒子场景开始:每个事件仅含一个反中子,推理时取置信度最高的目标作为重建输出。相较传统重建方法,ViC 与 ANT 在全效率范围内均显著提升方向测量精度,且两者表现接近。
    • 100% 效率 时,mAB 从 23.2°(传统)降至 12.4°(ViC)与 12.2°(ANT),对应方向精度提升约 87%91%
    • 动量回归在 0.2–1.4 GeV/c 范围内呈近线性、近无偏相关;在 1 GeV/c 处分辨率约 17.8%(ViC)与 16.7%(ANT)。
    • ANT 在 mAE/mRE 上整体更优,表明序列建模更擅长整合弱且分散的动量线索。
单粒子设定下的性能评估(ViC vs ANT)
单粒子设定:方向与动量回归表现(ViC vs ANT)。

联系方式

  • 邮箱:qxye@ucas.ac.cn
  • 项目负责人:叶齐祥

© 北京中关村学院|项目展示站