内容简介

 2012年在大型强子对撞机上发现的希格斯玻色子依赖于增强的决策树。从那时起，高能物理学 (HEP) 将现代机器学习 (ML) 技术应用于数据分析管道的所有阶段，从原始数据处理到统计分析。 HEP 数据分析的独特要求、高质量模拟器的可用性、数据结构的复杂性（很少类似于图像）、对科学测量预期不确定性的控制以及 EB 级数据集的开发需要 HEP 特定的机器学习技术。 虽然这些发展沿着许多路径全速前进，但本书中的 19 篇评论提供了一个独立的、教学性的介绍，介绍了机器学习模型在 HEP 中的实际应用，由该领域的一些最重要的专家撰写。
 
读者对象：Graduate students and physicists interested in AI/ML applications to HEP; data scientists and ML researchers interested in "big science" data analysis and simulation.