本研究在高亮度大强子对撞机中探索弱相互作用物质粒子（WIMPs），利用机器学习揭示其与暗物质候选者的关系，并评估新物理情景的发现潜力。发现辐射衰变中轻中性子和光子的增强具有重要探测价值。

该研究比较了图神经网络和基于核的变压器在高能电子 - 正电子碰撞事件重建中的应用。通过超参数调整和硬件处理器的支持，提高了模型的物理性能和可移植性。研究结果表明，该模型在高粒度输入上训练，能够与基线模型相竞争。研究数据集和软件已按照FAIR原则发布。

该研究使用无监督深度学习开发了一个实时自编码器异常检测系统，能够高效地检测ECAL异常，估计的错误发现率比现有基准提高了两个数量级。该系统在2018年和2022年的LHC碰撞数据中验证了其真实性能，并在LHC Run 3期间在ECAL桶部署了基于自编码器的系统，展示了其在检测现有DQM系统可能忽视的隐晦问题中表现出的良好性能。