論文の概要: SPANet: Generalized Permutationless Set Assignment for Particle Physics using Symmetry Preserving Attention

• arxiv url: http://arxiv.org/abs/2106.03898v1
• Date: Mon, 7 Jun 2021 18:18:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-09 15:35:35.953086
• Title: SPANet: Generalized Permutationless Set Assignment for Particle Physics using Symmetry Preserving Attention
• Title（参考訳）: SPANet:Symmetry Preserving Attention を用いた粒子物理学の汎用置換なし集合割り当て
• Authors: Alexander Shmakov, Michael James Fenton, 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。
• 参考スコア（独自算出の注目度）: 62.43586180025247
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The creation of unstable heavy particles at the Large Hadron Collider is the most direct way to address some of the deepest open questions in physics. Collisions typically produce variable-size sets of observed particles which have inherent ambiguities complicating the assignment of observed particles to the decay products of the heavy particles. Current strategies for tackling these challenges in the physics community ignore the physical symmetries of the decay products and consider all possible assignment permutations and do not scale to complex configurations. Attention based deep learning methods for sequence modelling have achieved state-of-the-art performance in natural language processing, but they lack built-in mechanisms to deal with the unique symmetries found in physical set-assignment problems. We introduce a novel method for constructing symmetry-preserving attention networks which reflect the problem's natural invariances to efficiently find assignments without evaluating all permutations. This general approach is applicable to arbitrarily complex configurations and significantly outperforms current methods, improving reconstruction efficiency between 19\% - 35\% on typical benchmark problems while decreasing inference time by two to five orders of magnitude on the most complex events, making many important and previously intractable cases tractable. A full code repository containing a general library, the specific configuration used, and a complete dataset release, are avaiable at https://github.com/Alexanders101/SPANet
• Abstract（参考訳）: 大型ハドロン衝突型加速器における不安定な重粒子の生成は、物理学の最も深い問題に対処する最も直接的な方法である。 衝突は通常、重い粒子の崩壊生成物への観察粒子の割り当てを複雑にする固有のあいまいさを持つ観察粒子の可変サイズの集合を生成する。 物理学コミュニティにおけるこれらの課題に取り組む現在の戦略は、崩壊生成物の物理的対称性を無視し、全ての可能な割り当て置換を考慮し、複雑な構成にスケールしない。 シーケンスモデリングのための注意に基づくディープラーニング手法は、自然言語処理において最先端のパフォーマンスを達成したが、物理集合割り当て問題に見られるユニークな対称性を扱うための組み込みメカニズムは欠如している。 そこで本研究では,問題の自然不変性を反映した対称性保存型注意ネットワークの構築法を提案する。 この一般的なアプローチは、任意に複雑な構成に適用され、現在の手法を著しく上回り、典型的なベンチマーク問題での再構成効率を19\%から35\%に向上し、最も複雑な事象において推論時間を2から5桁減らす。 一般的なライブラリ、使用する特定の設定、完全なデータセットのリリースを含む完全なコードリポジトリはhttps://github.com/Alexanders101/SPANetで確認できる。

関連論文リスト

• Equivariant amortized inference of poses for cryo-EM [5.141137421503899]
  低温EMは、タンパク質やウイルスなどの生体分子の3次元構造を決定する重要な技術である。 高ノイズレベル、粒子のポーズの欠如、大規模データセット処理の計算要求などにより、Creo-EM再構成問題は困難である。 これらの課題に対する有望な解決策は、大規模なデータセットのポーズ推定において特に有効である、償却推論手法を使用することである。
  論文  参考訳（メタデータ） (2024-06-01T11:36:29Z)
• Universal Neural Functionals [67.80283995795985]
  多くの現代の機械学習タスクでは、ウェイトスペース機能を処理することが難しい問題である。 最近の研究は、単純なフィードフォワードネットワークの置換対称性に同値な有望な重み空間モデルを開発した。 本研究は,任意の重み空間に対する置換同変モデルを自動的に構築するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-07T20:12:27Z)
• Modal analysis on quantum computers via qubitization [0.0]
  古典的)結合振動子の簡単な例を取り、行列のスパース構造に基づく量子化法を用いてアルゴリズムがどのように機能するかを示す。 また、フォールトトレラントな量子コンピュータで実行する際に必要となる物理量子ビットの数と実際のランタイムを大まかに見積もる。
  論文  参考訳（メタデータ） (2023-07-14T17:00:02Z)
• PELICAN: Permutation Equivariant and Lorentz Invariant or Covariant Aggregator Network for Particle Physics [64.5726087590283]
  本稿では,全6次元ローレンツ対称性に対して最大で還元された入力の集合を用いた機械学習アーキテクチャを提案する。 結果として得られたネットワークは、モデル複雑さがはるかに低いにもかかわらず、既存の競合相手すべてを上回っていることを示す。
  論文  参考訳（メタデータ） (2022-11-01T13:36:50Z)
• Understanding the Covariance Structure of Convolutional Filters [86.0964031294896]
  最近では、ConvMixerやConvNeXtのようなViTにインスパイアされた畳み込みネットワークは、注目すべき構造を持つ大カーネル深度畳み込みを使用している。 まず,このような学習フィルタの共分散行列が高度に構造化されていることを観測し,より大規模なネットワークを効果的に初期化するために,小さなネットワークから計算した共分散が用いられることを発見した。
  論文  参考訳（メタデータ） (2022-10-07T15:59:13Z)
• Generalization of Neural Combinatorial Solvers Through the Lens of Adversarial Robustness [68.97830259849086]
  ほとんどのデータセットは単純なサブプロブレムのみをキャプチャし、おそらくは突発的な特徴に悩まされる。 本研究では, 局所的な一般化特性である対向ロバスト性について検討し, 厳密でモデル固有な例と突発的な特徴を明らかにする。 他のアプリケーションとは異なり、摂動モデルは知覚できないという主観的な概念に基づいて設計されているため、摂動モデルは効率的かつ健全である。 驚くべきことに、そのような摂動によって、十分に表現力のあるニューラルソルバは、教師あり学習で共通する正確さと悪質さのトレードオフの限界に悩まされない。
  論文  参考訳（メタデータ） (2021-10-21T07:28:11Z)
• Fast Gravitational Approach for Rigid Point Set Registration with Ordinary Differential Equations [79.71184760864507]
  本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。 FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。 従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
  論文  参考訳（メタデータ） (2020-09-28T15:05:39Z)
• Complexity continuum within Ising formulation of NP problems [0.0]
  イジング・ハミルトニアンの最小化は、ある相互作用行列類に対するNPハード問題であることが知られている。 我々は、最適化単純度基準で計算学的に単純なインスタンスを特定することを提案する。 このような単純さはスピングラスからk規則の最大カット問題まで幅広いモデルで見られる。
  論文  参考訳（メタデータ） (2020-08-02T11:36:38Z)
• Masked Language Modeling for Proteins via Linearly Scalable Long-Context Transformers [42.93754828584075]
  我々は、高速注意Via Orthogonal Random機能(FAVOR)に基づく新しいトランスフォーマーアーキテクチャPerformerを提案する。 我々の機構は、列内のトークンの数で2次ではなく2次的にスケールし、四次空間の複雑さが特徴であり、スパーシティパターンの先行を含まない。 これは強い理論的保証を与える:注意行列の偏りのない推定と一様収束である。
  論文  参考訳（メタデータ） (2020-06-05T17:09:16Z)

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。