Deep(er) Reconstruction of Imaging Cherenkov Detectors with Swin Transformers and Normalizing Flow Models

成像切伦科夫探测器在核物理和粒子物理实验中的粒子鉴别（PID）至关重要。快速重建算法对于近实时的对准、校准、数据质量控制和高效分析至关重要。在未来的电子离子对撞机（EIC）中，ePIC探测器将在强子方向上配备双环形成像切伦科夫（双RICH）探测器，在桶区域内配备内反射切伦科夫探测器（DIRC），并在电子方向上配备近距离聚焦RICH。本文重点介绍DIRC探测器，该探测器呈现复杂的击中模式，并且在JLab的GlueX实验中也用于对π介子和K介子进行PID。我们提出了Deep(er)RICH，这是对开创性DeepRICH工作的扩展，与传统方法相比提供了更好和更快的PID，并且首次实现了快速准确的模拟。这一进展解决了切伦科夫探测器模拟中涉及通过复杂光学元件进行光子跟踪的主要瓶颈。我们的结果利用了视觉变换器的进展，特别是分层Swin变换器和归一化流。这些方法使得可以直接从真实数据中学习，并且重建复杂的拓扑结构。最后，我们讨论了这项工作的影响和未来扩展，可以为多个前沿实验的PID提供能力，如未来的EIC。

本文旨在解决切伦科夫探测器模拟中的光子跟踪问题，提出一种名为Deep(er)RICH的方法，用于更快速和准确的粒子鉴别，并提供快速而准确的模拟。该方法针对DIRC探测器的复杂命中模式进行了优化，可用于GlueX实验和未来的EIC实验。

Deep(er)RICH方法结合了Vision Transformers、分层Swin Transformer和归一化流等技术，直接从真实数据中学习并重建复杂的拓扑结构，提高了粒子鉴别的速度和准确性。

该方法提供了快速而准确的模拟，解决了切伦科夫探测器模拟中的光子跟踪问题。实验使用了GlueX和EIC的数据集，表现出更快速和准确的粒子鉴别能力。该方法可用于多个前沿实验，如未来的EIC。

与本文相关的研究包括DeepRICH和其他使用人工智能方法进行粒子鉴别的研究。