পরবর্তী আপপরবর্তী গাইড
ইভেন্ট পরিকল্পনাকারীদের জন্য এআই
অ্যাপ্লিকেশন
অ্যাপ্লিকেশন গাইড
Particle-event reconstruction turns detector measurements into tracks, energy deposits, and candidate physics objects.
এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~2 min
Machine-learning methods can help with these tasks, while trigger systems select a manageable subset of collision data under strict latency and throughput constraints.
As charged particles pass through tracking detectors and showers develop in calorimeters, the detector records sparse, high-dimensional measurements. Reconstruction algorithms infer trajectories, energy deposits, and particle-related objects from those signals. Graph neural networks are suited to irregular detector geometry and can help associate hits with tracks; research also applies them to calorimeter shower reconstruction. Separately, trigger systems filter collision data: CERN describes a first-level decision followed by a high-level trigger for further selection. Exact rates and latency depend on the experiment and operating phase.
গ্রাফ নিউরাল নেটওয়ার্কগুলি LHC এবং HL-LHC আপগ্রেডে ডিটেক্টর হিট থেকে চার্জড-কণার গতিপথ পুনর্গঠন করে
গভীর-শিক্ষার বি-ট্যাগিং এবং বুস্টেড-জেট ট্যাগারগুলি কোয়ার্ক বা বোসন সনাক্ত করে যা কণার স্প্রে তৈরি করে
হার্ডওয়্যারে এফপিজিএ-নিয়োজিত নিউরাল নেটওয়ার্ক মাইক্রোসেকেন্ডের মধ্যে সিদ্ধান্ত নেয় যে কোন সংঘর্ষগুলি রাখা হবে
DUNE এবং IceCube-এর মতো ডিটেক্টরগুলিতে নিউট্রিনো ইভেন্ট শ্রেণীবিভাগ, স্পার্স সিগন্যাল থেকে মিথস্ক্রিয়া প্রকারগুলি সনাক্ত করে
হাই-লুমিনোসিটি এলএইচসি আসার সাথে সাথে সংঘর্ষগুলি আরও ঘনত্বে স্তূপিত হবে, পুনর্গঠনকে আরও কঠিন এবং এআইকে আরও প্রয়োজনীয় করে তুলবে। রিয়েল-টাইম ট্রিগারিংয়ের জন্য জিপিইউ এবং এফপিজিএ-তে মোতায়েন করা আরও জিএনএন-ভিত্তিক ট্র্যাকিং আশা করুন, পাশাপাশি এন্ড-টু-এন্ড ডিফারেনসিয়েবল পাইপলাইন এবং সিমুলেটেড ইভেন্টগুলিতে আগে থেকে প্রশিক্ষিত ফাউন্ডেশন মডেল। একটি নির্দিষ্ট সংকেত না ধরেই নতুন পদার্থবিদ্যার সন্ধান করে এমন অসঙ্গতি-সনাক্তকরণ পদ্ধতিগুলি একটি ক্রমবর্ধমান, উত্তেজনাপূর্ণ দিক।
ফ্রি নিউজলেটার
প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।
প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।
নিজেকে পরীক্ষা করুন
প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।
ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন
Particle-event reconstruction turns detector measurements into tracks, energy deposits, and candidate physics objects. Machine-learning methods can help with these tasks, while trigger systems select a manageable subset of collision data under strict latency and throughput constraints.
পুনর্গঠন লক্ষ লক্ষ কাঁচা সেন্সর হিটকে কণা ট্র্যাক, ক্যালোরিমিটার শক্তি এবং জেট আইডেন্টিটির মতো ব্যাখ্যাযোগ্য বস্তুতে রূপান্তরিত করে।
ট্র্যাক ফাইন্ডিং একটি সমন্বিত গ্রাফ সমস্যা; GNNগুলি হিট-টু-হিট প্রান্তগুলিকে শ্রেণীবদ্ধ করে এবং সেগুলিকে ট্র্যাজেক্টোরিতে গোষ্ঠীবদ্ধ করে।
The collision data stream is too large to record in full, so trigger stages select events for further processing.
বটম-কোয়ার্ক হ্যাড্রনগুলি পরিমাপযোগ্য দূরত্ব ভ্রমণ করার জন্য যথেষ্ট দীর্ঘকাল বেঁচে থাকে, একটি স্থানচ্যুত শীর্ষবিন্দু তৈরি করে যা ট্যাগাররা শোষণ করে।
Graph structures encode detector geometry and allow models to learn patterns linking sparse measurements.
শিখতে থাকুন
এই বিষয়ের জন্য বাছাই করা আরও গাইড
পরবর্তী আপপরবর্তী গাইড
ইভেন্ট পরিকল্পনাকারীদের জন্য এআই
অ্যাপ্লিকেশন