Сравнение подходов к разрешению неоднозначностей при реконструкции треков заряженных частиц

Аннотация

При решении задачи реконструкции треков заряженных частиц возможны неопределённости — ситуации, когда нельзя однозначно разделить множество точек на треки (выяснить, к какому треку принадлежит та или иная точка, или установить, относятся ли распознанные треки к одному реальному треку). Обработка таких ситуаций осуществляется в конце реконструкции треков, после того как построено множество треков-кандидатов (с помощью фильтра Калмана или иного метода). Основные цели: (1) выявить и удалить ложные треки (треки-кандидаты, не имеющие реальных прототипов); (2) устранить избыточность (минимизировать число треков-кандидатов, соответствующих одному реальному треку). Последняя цель достигается путём кластеризации треков-кандидатов и выбора лучшего представителя из каждого кластера (в более общем случае представитель конструируется путем «соединения» треков кластера). В статье рассматриваются некоторые подходы к разрешению неоднозначностей (как алгоритмические, так и использующие методы машинного обучения); приводится их сравнение по таким показателям, как эффективность, доля ложных треков, доля треков-дубликатов. Анализ проводится в среде MPDRoot, разрабатываемой для эксперимента MPD проекта NICA, однако предложенные подходы являются универсальными и могут применяться в других экспериментах.