iml-wg/HEPML-LivingReview

해결하는 문제

기계 학습은 입자 물리학 전반에 빠르게 적용되고 있지만, 이 분야에는 관련 문헌에 대한 신뢰할 수 있는 단일 지도가 부족합니다. 딥러닝을 실험적, 현상학적 또는 이론적 분석에 적용하려는 연구자들은 저널, 사전 인쇄본, 회의록에 흩어져 있는 방대한 논문에 직면합니다. 이 프로젝트는 거의 포괄적인 선별된 인용 목록을 제공하고 이를 몇 가지 실용적인 범주로 그룹화하여 실무자가 가장 관련성 높은 작업을 빠르게 찾을 수 있도록 함으로써 이 문제를 해결합니다.

작동 방식

이 검토는 HEP-ML 커뮤니티가 유지 관리하던 살아있는 문서입니다. 논문은 INSPIRE 문헌 데이터베이스에서 수집된 후 목록을 유용하게 유지하기 위해 소수의 주제로 구성됩니다. 각 논문에는 arXiv 또는 DOI 링크가 제공되며, 여러 주제에 걸쳐 있는 경우 여러 범주에 나타날 수 있습니다. 분류는 자동 프로세스가 아닌 커뮤니티에 의해 수행되었습니다. 프로젝트는 2026년 6월 1일 현재 동결되었으며, 최종 아카이브 버전은 Zenodo에서 제공됩니다. PDF와 소스 파일은 자유롭게 액세스할 수 있으며, 제공된 BibTeX 키를 사용하여 아카이브 버전을 인용하는 것이 권장됩니다.

대상 독자

이 리소스는 실험가, 현상학자, 이론가를 포함하여 고에너지 물리학에서 기계 학습 기술을 개발하거나 적용하는 모든 사람을 위한 것입니다. 또한 포괄적인 출발점이 필요한 교육자, 학생, 이 분야에 새로 진입하는 연구자에게도 유용합니다. 검토에는 고전 논문, 현대 리뷰, 전문 리뷰, 데이터 세트, 기술적 접근 방식별로 그룹화된 논문이 포함되어 있어 초보자와 특정 방법이나 응용을 찾는 경험 많은 실무자 모두에게 도움이 됩니다.

주요 특징

• 거의 포괄적인 문헌 범위로, 2026년 6월에 동결되어 당시 분야의 상태를 포착합니다.
• 논문은 리뷰, 데이터 세트, 매개변수화 분류기, 제트 이미지 및 기타 여러 전문 주제를 포함한 소수의 명확한 범주로 그룹화됩니다.
• 커뮤니티 참여와 INSPIRE REST API로 구축되어 큐레이션이 협력적이고 투명합니다.
• PDF 및 GitHub 저장소는 자유롭게 액세스할 수 있으며, 안정적인 인용을 위한 Zenodo의 영구 아카이브 버전이 있습니다.
• 초기 신경망 패키지부터 최첨단 딥러닝 및 기반 모델까지 현대 및 고전 논문을 모두 포함합니다.
• 논문은 검토의 승인을 받지 않습니다. 분류는 최선의 노력으로 구성된 것이며 검증은 동료 검토와 커뮤니티에 맡겨집니다.