AI 與世界的難題 · 物理學 · arXiv · 2026-10-19
用於 Hyper-Kamiokande 實驗的深度學習低能量觸發演算法
原標題: Deep-learning-based low-energy trigger algorithms for the Hyper-Kamiokande experiment
作者評估了適用於大型水契忍可夫偵測器 Hyper-Kamiokande 的深度學習觸發演算法，目標為低於 7 MeV 的微中子事件。研究將一個監督式分類器與兩種僅以偵測器雜訊訓練的異常偵測方法（自編碼器與流形投影—擴散復原，Manifold Projection-Diffusion Recovery），與擊中數觸發方式進行比較。對於 3 MeV 的單一電子，監督式模型達到 76.7% 的訊號效率，而擊中數觸發僅為 26.4%；在相同操作點下，流形投影—擴散復原達到 35.4%，且 GPU 推論每個視窗所需時間遠低於一毫秒。