입자 충돌기 실험에서 사건 재구성(event reconstruction)은 하드 스캐터(hard scatter) 과정에서 생성된 수명이 짧은 입자의 운동학 정보(kinematics)를 검출기가 기록한 안정적인 최종 상태로부터 추론하는 작업입니다. 우리는 사건 재구성을 두 가지 주요 작업으로 분해합니다: 측정된 제트(jets)와 전하를 띤 렙톤(charged leptons)을 모(parent) 입자에 할당하고, 측정되지 않은 중성미자 운동학을 예측하는 것입니다. 우리는 충돌기 사건을 물리학적 영감을 받은 위상 구조(topology)를 가진 하이퍼그래프(hypergraphs)로 표현하는 새로운 기하 학습 프레임워크인 VyPER를 제시합니다. VyPER는 입자 할당을 위한 하이퍼엣지(hyperedges)의 지도 분류(supervised classification)와 중성미자 운동학 예측을 위한 확산 모델(diffusion model)을 결합하며, 통합된 프레임워크 내에서 두 재구성 작업을 최적화하기 위해 공동 손실 함수(joint loss function)를 활용합니다. 우리는 여러 양성자-양성자 충돌 과정에 걸쳐 VyPER를 시연하고, 기존의 분석적 및 기계 학습 기반 재구성 기술과 성능을 비교했습니다. 이를 통해 정확한 사건 재구성이 다양한 표준 모형(Standard Model) 물리학 과정 전반에서 달성 가능함을 입증하며, 힉스 보손, 전자기 약력(electroweak), 그리고 탑 쿼크 분야의 정밀 측정에 새로운 길을 열어줍니다.