iml-wg/HEPML-LivingReview

解決する問題

機械学習は素粒子物理学のあらゆる分野で急速に応用されていますが、この分野には関連文献の信頼できる単一のマップがありません。深層学習を実験的、現象論的、または理論的分析に適用したい研究者は、ジャーナル、プレプリント、会議録に散在する膨大な論文に直面しています。このプロジェクトは、ほぼ包括的な厳選された引用リストを提供し、少数の実用的なカテゴリにグループ化することで、実務者が最も関連する作業を迅速に見つけられるようにします。

仕組み

このレビューは、HEP-ML コミュニティによって維持されていた生きたドキュメントです。論文は INSPIRE 文献データベースから収集され、リストを有用に保つために少数のトピックに整理されます。各論文には arXiv または DOI へのリンクが付いており、複数のトピックにまたがる場合は複数のカテゴリに表示されることがあります。分類は自動プロセスではなく、コミュニティによって行われました。プロジェクトは 2026 年 6 月 1 日時点で凍結されており、最終アーカイブ版は Zenodo で入手できます。PDF とソースファイルは自由にアクセスでき、提供された BibTeX キーを使用してアーカイブ版を引用することが推奨されます。

対象読者

このリソースは、実験家、現象論者、理論家を含む、高エネルギー物理学で機械学習技術を開発または適用するすべての人を対象としています。また、包括的な出発点を必要とする教育者、学生、この分野に参入する研究者にも役立ちます。レビューには、古典的な論文、現代のレビュー、専門レビュー、データセット、技術的アプローチごとにグループ化された論文が含まれており、初心者と特定の方法や応用を探している経験豊富な実務者の両方に役立ちます。

ハイライト

ほぼ包括的な文献カバレッジで、2026 年 6 月に凍結され、当時の分野の状態を捉えています。
論文は、レビュー、データセット、パラメータ化分類器、ジェット画像、その他多くの専門トピックを含む、少数の明確なカテゴリにグループ化されています。
コミュニティの参加と INSPIRE REST API により構築され、キュレーションは協力的で透明です。
PDF と GitHub リポジトリは自由にアクセスでき、安定した引用のための Zenodo 上の恒久的なアーカイブ版があります。
初期のニューラルネットワークパッケージから最先端の深層学習と基盤モデルまで、現代と古典の両方の論文が含まれています。
論文はレビューによって承認されていません。分類はベストエフォートの整理であり、検証はピアレビューとコミュニティに委ねられています。