构建开源数据集，推动机器学习在漂移室轨迹重建中的应用
DCTracks: An Open Dataset for Machine Learning-Based Drift Chamber Track Reconstruction
- 基于蒙特卡洛模拟生成单/双轨迹数据
- 定义专用评估指标，对比传统算法与图神经网络性能
- 适合粒子物理与机器学习交叉研究者使用
我们引入了一个蒙特卡洛（MC）数据集，包含单轨迹和双轨迹的漂移室事件，以推进基于机器学习（ML）的轨迹重建研究。为实现标准化和可比较的评估，我们定义了针对轨迹重建的特定评价指标，并报告了传统轨迹重建算法与图神经网络（GNNs）方法的结果，为未来研究提供严谨、可复现的验证基础。
原文摘要 · Abstract (English)
We introduce a Monte Carlo (MC) dataset of single- and two-track drift chamber events to advance Machine Learning (ML)-based track reconstruction. To enable standardized and comparable evaluation, we define track reconstruction specific metrics and report results for traditional track reconstruction algorithms and a Graph Neural Networks (GNNs) method, facilitating rigorous, reproducible validation for future research.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。