論文の概要: Permutationless Many-Jet Event Reconstruction with Symmetry Preserving Attention Networks

• arxiv url: http://arxiv.org/abs/2010.09206v6
• Date: Thu, 14 Jul 2022 20:31:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 23:17:11.534948
• Title: Permutationless Many-Jet Event Reconstruction with Symmetry Preserving Attention Networks
• Title（参考訳）: 注意ネットワークの対称性を考慮した無変量多ジェットイベント再構成
• Authors: Michael James Fenton, Alexander Shmakov, Ta-Wei Ho, Shih-Chieh Hsu, Daniel Whiteson, Pierre Baldi
• Abstract要約: 大型ハドロン衝突型加速器で大量に生産されるトップクォークは複雑な検出器シグネチャを持ち、特別な再構築技術を必要とする。 本稿では,SPAネットワーク(Symmetry Preserving Attention Networks, SPA-Net)と呼ばれる,一般化された注意機構を用いたニューラルネットワークに基づく,このタイプの問題に対する新しいアプローチを提案する。 このようなネットワークをトレーニングして、各トップクォークの崩壊生成物をあいまいに識別する。
• 参考スコア（独自算出の注目度）: 62.45440485315577
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Top quarks, produced in large numbers at the Large Hadron Collider, have a complex detector signature and require special reconstruction techniques. The most common decay mode, the "all-jet" channel, results in a 6-jet final state which is particularly difficult to reconstruct in $pp$ collisions due to the large number of permutations possible. We present a novel approach to this class of problem, based on neural networks using a generalized attention mechanism, that we call Symmetry Preserving Attention Networks (SPA-Net). We train one such network to identify the decay products of each top quark unambiguously and without combinatorial explosion as an example of the power of this technique.This approach significantly outperforms existing state-of-the-art methods, correctly assigning all jets in $93.0%$ of $6$-jet, $87.8%$ of $7$-jet, and $82.6%$ of $\geq 8$-jet events respectively.
• Abstract（参考訳）: 大型ハドロン衝突型加速器で大量に生産されるトップクォークは複雑な検出器シグネチャを持ち、特別な再構築技術を必要とする。 最も一般的な崩壊モードである"all-jet"チャネルは、6ジェットの最終状態となり、非常に多くの置換のために$pp$の衝突で再建するのが困難である。 本稿では,一般注意機構を用いたニューラルネットワークに基づくこの問題に対する新しいアプローチを提案し,spa-net(symmetry preservation attention networks)と呼ぶ。 このようなネットワークを訓練して、各クォークの崩壊生成物をあいまいに識別し、この手法のパワーの例として組み合わせ爆発なしに識別する。このアプローチは、既存の最先端の方法を大きく上回り、全てのジェットを$6$-jetの$3.0$、$7$-jetの$7.8%$、$2.6%$の$\geq 8$-jetイベントに正しく割り当てる。

関連論文リスト

• Quantum-annealing-inspired algorithms for multijet clustering [0.0]
  電子-陽電子衝突イベントにおいて、複数のジェットをクラスタリングするための新しい量子アニール型アルゴリズムを導入する。 これらの量子アニーリングにインスパイアされたアルゴリズムの1つ、弾道的シミュレートされた分岐は、量子アニーリングアプローチによるマルチジェットクラスタリングで以前に観測された問題を克服する。
  論文  参考訳（メタデータ） (2024-10-18T07:31:04Z)
• $C^2M^3$: Cycle-Consistent Multi-Model Merging [27.845750236662575]
  本稿では,重み空間にニューラルネットワークをマージする新しいデータフリー手法を提案する。 我々は、$N geq 3$モデルを統合する際に、置換のサイクル一貫性を強制する。
  論文  参考訳（メタデータ） (2024-05-28T07:18:45Z)
• "Lossless" Compression of Deep Neural Networks: A High-dimensional Neural Tangent Kernel Approach [49.744093838327615]
  広帯域かつ完全接続型エンフディープニューラルネットに対する新しい圧縮手法を提案する。 提案手法の利点を支えるために, 合成データと実世界のデータの両方の実験を行った。
  論文  参考訳（メタデータ） (2024-03-01T03:46:28Z)
• Reconstruction of Unstable Heavy Particles Using Deep Symmetry-Preserving Attention Networks [40.56234804431537]
  一般化されたアテンション機構に基づくアナプローハは、以前は大型ハドロン衝突型加速器の上位クォーク対崩壊に対して対称性保存アテンションネットワーク (SPA-NET) が適用されてきた。 我々はSPA-NETアーキテクチャを拡張して、レプトンのような複数の入力オブジェクトタイプや、トランスバースモーメントの欠如のようなグローバルなイベント機能について検討する。 ttHの探索,トップクォーク質量の測定,およびトップクォーク対に崩壊する重いZ'の探索という,3つの代表的な研究の力の顕著な改善を見出した。
  論文  参考訳（メタデータ） (2023-09-05T01:40:01Z)
• Neural Inverse Kinematics [72.85330210991508]
  逆キネマティック(英語版)(IK)法は、キネマティックチェインにおける選択された要素の所望の位置から関節のパラメータを復元する。 本稿では,問題階層構造を用いて,所望の位置に条件付き有効関節角度を逐次サンプリングするニューラルIK法を提案する。
  論文  参考訳（メタデータ） (2022-05-22T14:44:07Z)
• A quantum algorithm for training wide and deep classical neural networks [72.2614468437919]
  勾配勾配勾配による古典的トレーサビリティに寄与する条件は、量子線形系を効率的に解くために必要な条件と一致することを示す。 MNIST画像データセットがそのような条件を満たすことを数値的に示す。 我々は、プールを用いた畳み込みニューラルネットワークのトレーニングに$O(log n)$の実証的証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-19T23:41:03Z)
• SPANet: Generalized Permutationless Set Assignment for Particle Physics using Symmetry Preserving Attention [62.43586180025247]
  大型ハドロン衝突型加速器の衝突は、観測された粒子の可変サイズの集合を生成する。 崩壊生成物の物理対称性は、観測された粒子の崩壊生成物の割り当てを複雑にする。 本稿では,対称性を保った注目ネットワークを構築するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:18:20Z)
• ESPN: Extremely Sparse Pruned Networks [50.436905934791035]
  簡単な反復マスク探索法により,非常に深いネットワークの最先端の圧縮を実現することができることを示す。 本アルゴリズムは,シングルショット・ネットワーク・プルーニング法とロッテ・ティケット方式のハイブリッド・アプローチを示す。
  論文  参考訳（メタデータ） (2020-06-28T23:09:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。