Jet tagging is essential for identifying hadronic decays of boosted particles at collider experiments. Transformer-based deep learning models have become state-of-the-art due to their ability to capture complex particle interactions. This talk reviews the development of Transformer architectures in jet tagging, from Particle Transformer to our More Interaction Particle Transformer (MIParT),...
本报告聚焦大模型在高能物理中的应用方法。以DeepSeek为切入点，作为国产模型，其推理能力强、生态开源且性价比高，在上海交大 “交我算” 等高校智算平台实现国产化部署。可通过提示词工程辅助文献阅读、生成研究思路、编程及可视化，结合 RAG 技术、微调策略等定制方法提升其在高能物理领域适配性。大模型应用实例方面，中科院高能物理所 XIWU 模型、OMAI 运维助手及 CERN 的 AccGPT 等案例，都展示了大语言模型在高能物理领域文献分析、运维支持等场景的实践价值。
Quantum entanglement is a hallmark feature of quantum mechanics, manifesting as correlations between subsystems that cannot be fully described without one another, regardless of spatial separation. While entanglement has been observed in processes such as 𝑝𝑝→𝑡𝑡¯ and thoroughly analyzed in Higgs decay channels (𝐻→𝑉𝑉) at the Large Hadron Collider (LHC), it remains comparatively underexplored in...
自ChatGPT等大语言模型普及以来，AI作为新型生产工具已逐步深度融入人类生产活动。当前基于大语言模型的智能体可自主规划、调用工具和一定程度解释结果，成为近年来的热点领域。高能物理物理分析存在数据处理、文本解析等AI适配的固定步骤，同时具有分析流程复杂、需要专业知识等领域特点，成为AI4Science的一个典型场景。基于此，我们开发了用于BESIII物理分析的Dr.Sai多智能体系统：通过将复杂任务拆解为子任务序列，由数个专家型智能体协同执行算法生成、作业脚本构建与提交、结果可视化等核心环节。该系统已初步实现物理分析数据处理的自动化，未来将聚焦人机交互优化与数据驱动的模型能力增强，持续提升复杂科研任务的执行效率。
本报告介绍了为PandaX暗物质实验研发的智能文档问答系统。该系统整合开源RAG框架与商业大语言模型API，构建了覆盖arXiv数据库近30年"氙探测器"（xenon detector）领域文献的专业知识库。通过PDF文本提取、嵌入向量化处理建立语义检索数据库，并开发了前后端交互平台。用户可通过自然语言提问，系统自动定位相关文档片段，经大语言模型生成基于专业知识的答案。该系统显著提升了PandaX合作组获取实验文献的效率和准确性，为相关研究提供了智能化文档支持。
JUNO实验采用光电倍增管（PMT）阵列进行中微子信号探测。在正常工作状态下，PMT的暗计数率保持相对稳定。当PMT出现异常发光现象时，会诱发周边PMT产生响应，导致虚假信号（本底噪声）的生成。为保障实验数据的可靠性，监测系统会实时检测各PMT的工作状态，一旦发现暗计数率异常，将立即关闭异常PMT，以避免其对周边探测单元造成干扰。
因此针对这一需求开发了一套融合时空特征的实时异常检测系统。该系统通过整合图神经网络（GNN）与长短期记忆网络（LSTM）的混合架构，实现了对PMT暗噪声计数率（DCR）的精准监测与异常预警。训练阶段首先构建时空协同的统一数据结构，引入通道级百分位点统计量替代单一阈值；随后通过KD树空间索引实现高效邻域查询，支持距离阈值与K近邻两种拓扑构建方法；最终设计LSTM-GNN混合自动编码器模型。实时检测模块采用双缓存流式处理机制：设计动态数据接口支持分钟级延迟处...
