深度学习技术在BESIII的应用研究

As an experiment in the high precision frontier of particle physics, BESIII has produced a series of significant physics results. BESIII accumulated high statistics data samples and will continue to run more years. To achieve the physics goals of BESIII, we need to only the high precision of data but also the good quality of data and the good performance of software. In addition, the upgrade of detector also requires the upgrade of the software system. Artificial intelligence are becoming essential in many areas and making revolutionary impacts, especially after the recent breakthrough of deep learning. This project is an interdisciplinary research of particle physics and artificial intelligence, aiming for the application of advanced deep learning technology in the data processing at BESIII. By investigating the typical use cases as “event selection for rare signal”, "particle identification for e and mu” and “CGEM track finding”, we will map those tasks of data processing to classification problems in the machine learning field, which can be solved by harnessing the advances of deep learning..This project will improve the software performance of event selection, lepton particle identification and track find and will advance the physics research at BESIII. This project will also serve as a technology accumulation.

作为高精度前沿的粒子物理实验，BESIII近年来取得了一系列重要的物理成果。BESIII已经获取了大量的高质量数据并将继续运行。随着数据统计量的提高，物理分析对数据质量和软件性能的要求越来越高。BESIII探测器硬件的升级改造对软件系统也提出了新的要求。随着深度学习技术突破性的进展，人工智能在许多行业得到了重要的应用，对这些行业产生了深远的影响。本项目旨在通过粒子物理实验领域和人工智能领域的学科交叉，探索先进的深度学习技术在BESIII数据处理的应用。本项目选取BESIII上“稀有信号挑选”、“轻子的粒子鉴别”和“CGEM的径迹寻找”等代表性的应用，把这些粒子物理数据处理问题转化为机器学习领域典型的分类问题，采用深度学习技术加以解决。本项目将提升BESIII相应的软件性能，从而促进BESIII上的精确测量和物理发现。本项目也是对深度学习这项先进技术的技术积累。

作为高精度前沿的粒子物理实验，BESIII近年来取得了一系列重要的物理成果。BESIII已经获取了大量的高质量数据并将继续运行。随着数据统计量的提高，物理分析对数据质量和软件性能的要求越来越高。BESIII探测器硬件的升级改造对软件系统也提出了新的要求。随着深度学习技术突破性的进展，人工智能在许多行业得到了重要的应用，对这些行业产生了深远的影响。本项目旨在通过粒子物理实验领域和人工智能领域的学科交叉，探索先进的深度学习技术在BESIII数据处理的应用。.本项目在BESIII实验率先开展了多项机器学习应用研究。完成了基于机器学习的轻子粒子鉴别，性能相对于传统方法显著提升，未来有望应用于物理分析。.完成了CGEM 簇团重建，位置分辨相对于传统的电荷重心法显著提升，对于BESIII正在进行的径迹探测器升级有重要意义。.完成了多维事例加权工具，为BESIII实验研究估计多体末态的效率以及描述多体本底提供了一个便捷有效的数据驱动的工具，对BESIII物理研究有重要意义。此项工作发布了开源的程序包，并且成功应用于多个物理分析，部分物理成果将于近期发表。