中国物理学会高能物理分会第十二届全国会员代表大会暨学术年会

AI在JUNO分析中的应用

16 Jul 2026, 08:50

15m

江门厅 (2号楼三楼)

分会快速报告 分会4：中微子物理、粒子天体物理与宇宙学

Speaker

本达 续 (中国科学院大学/清华大学)

Description

江门中微子实验（JUNO）旨在通过精确测量反应堆中微子能谱来确定中微子质量序，这要求探测器达到前所未有的 3% @ 1 MeV 的能量分辨率。为了逼近这一物理极限，并从存在 PE 堆叠和暗噪声光电倍增管（PMT）波形中提取亚纳秒级的时间与电荷信息，JUNO 合作组在其数据分析和重建链条中深度引入了人工智能（AI）与机器学习技术。

本报告将系统性地介绍 JUNO 在波形分析、重建及刻度中使用的核心 AI 方法。报告内容不仅涵盖已取得显著成果的深度学习模型（如卷积神经网络 CNN 与 Transformer），还将重点展示我们在广义机器学习领域的最新前沿探索，如基于 JAX 的可微编程与连续归一化流（cNSF）技术的应用。通过结合物理第一性原理的机器学习架构（如 RTE-cNSF），我们实现了物理过程建模与深度神经网络的深度耦合，为光子到达时间的精确推断提供了新范式。报告将探讨这些 AI 算法如何有效降低系统误差，并全面提升 JUNO 的物理发现潜力。