高能物理

电磁/Electromagnetics

提出两种基于机器学习的校准方法，用于修正高能物理模拟与真实碰撞数据间的电磁簇射特征差异，提升探测器模拟精度。

ScientificML

探索视觉-语言模型在高能物理喷注分析中的应用，将JetClass喷注重构为物理信息四面板图像，实现多任务喷注标签分类。

高能物理/HEP

针对CLD对撞机探测器仿真与事例重建，利用条件流匹配生成模型代理完整模拟，缓解高能物理研究中的计算瓶颈。

通用科学ML

提出用于FCC-ee高颗粒度双读量热仪的神经网络脉冲反卷积方法，结合切伦科夫与闪烁信号时序分割实现粒子探测器能量分辨率提升。

通用科学ML

提出混合神经密度估计方法，结合神经比估计与流模型优势，解决高维无分箱模拟推理中密度归一化与高效采样的难题。

高能物理

提出物理信息自监督学习框架，联合实现多丝正比室的线丝校准与相互作用位置重建，提升粒子探测器对运行条件变化和老化的适应能力。