摘要

GraphNeT 是一个开源的 Python 框架，旨在为中微子望远镜中的重建任务提供高质量、用户友好的端到端功能，其核心技术基于图神经网络（Graph Neural Networks, GNNs）。GraphNeT 使得构建复杂模型变得快速而简便，这些模型能够在任意探测器配置下实现前沿水平的事件重建性能，且推理速度比传统重建技术快多个数量级。GraphNeT 中的图神经网络具备高度灵活性，可适用于所有中微子望远镜的数据，包括未来项目如 IceCube 的扩展版本或 P-ONE。这意味着，基于 GNN 的重建方法能够在多种实验和物理分析中，以实时事件处理速率，为大多数中微子望远镜的重建任务提供前沿性能，具有广泛而深远的潜力，将对中微子物理与天体粒子物理领域产生重大影响。