論文の概要: Differentiable Vertex Fitting for Jet Flavour Tagging

• arxiv url: http://arxiv.org/abs/2310.12804v1
• Date: Thu, 19 Oct 2023 15:01:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-20 14:47:09.976460
• Title: Differentiable Vertex Fitting for Jet Flavour Tagging
• Title（参考訳）: ジェットフレバータギング用微分可能な頂点フィッティング
• Authors: Rachel E. C. Smith, In\^es Ochoa, R\'uben In\'acio, Jonathan Shoemaker, Michael Kagan
• Abstract要約: 我々は,フレーバータグ付けのための大きなトランスモデルに統合し,重フレーバージェット分類を改善するための微分可能アルゴリズムを開発した。 これは、高エネルギー物理学におけるニューラルネットワークモデルに物理知識を統合するための微分可能プログラミングの応用である。
• 参考スコア（独自算出の注目度）: 0.6299766708197883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a differentiable vertex fitting algorithm that can be used for secondary vertex fitting, and that can be seamlessly integrated into neural networks for jet flavour tagging. Vertex fitting is formulated as an optimization problem where gradients of the optimized solution vertex are defined through implicit differentiation and can be passed to upstream or downstream neural network components for network training. More broadly, this is an application of differentiable programming to integrate physics knowledge into neural network models in high energy physics. We demonstrate how differentiable secondary vertex fitting can be integrated into larger transformer-based models for flavour tagging and improve heavy flavour jet classification.
• Abstract（参考訳）: 本稿では,二次頂点フィッティングに使用可能な微分可能な頂点フィッティングアルゴリズムを提案する。 頂点適合は最適化された解頂点の勾配が暗黙的な微分によって定義され、ネットワークトレーニングのために上流または下流のニューラルネットワークコンポーネントに渡される最適化問題として定式化される。 より広い意味で、これは高エネルギー物理学のニューラルネットワークモデルに物理知識を統合するための微分可能プログラミングの応用である。 本研究では, 微分可能な二次頂点フィッティングを大型変圧器モデルに統合し, フレバータグを付与し, ヘビーフレバージェットの分類を改善できることを実証する。

関連論文リスト

• Automatic Optimisation of Normalised Neural Networks [1.0334138809056097]
  ニューラルネットワークの正規化パラメータに対する行列多様体の幾何を考慮した自動最適化手法を提案する。 我々の手法はまずネットワークを初期化し、初期化ネットワークの$ell2$-$ell2$ゲインに関してデータを正規化する。
  論文  参考訳（メタデータ） (2023-12-17T10:13:42Z)
• Identification of vortex in unstructured mesh with graph neural networks [0.0]
  本稿では,非構造化メッシュ上でのCFD結果の渦を特定するために,U-Netアーキテクチャを用いたグラフニューラルネットワーク(GNN)に基づくモデルを提案する。 2次元CFDメッシュにおける渦領域をラベル付けするための渦自動ラベル法を提案する。
  論文  参考訳（メタデータ） (2023-11-11T12:10:16Z)
• Flexible Isosurface Extraction for Gradient-Based Mesh Optimization [65.76362454554754]
  本研究では、勾配に基づくメッシュ最適化について考察し、スカラー場の等曲面として表現することで、3次元表面メッシュを反復的に最適化する。 我々は、幾何学的、視覚的、あるいは物理的目的に対して未知のメッシュを最適化するために特別に設計された、異面表現であるFlexiCubesを紹介する。
  論文  参考訳（メタデータ） (2023-08-10T06:40:19Z)
• Differentiable Programming of Isometric Tensor Networks [0.0]
  微分プログラミングは、自動微分(auto-differentiation)として知られる勾配の自動計算による大規模最適化を可能にする新しいプログラミングパラダイムである。 ここでは、多スケールエンタングルメント再正規化アンサッツ(MERA)やテンソルネットワーク再正規化(TNR)に応用した等尺制約のあるテンソルネットワークに微分可能プログラミングを拡張した。 我々は1次元臨界量子イジングスピンチェーンと2次元古典イジングモデルを用いて数値解析を行った。 古典的モデルの1次元量子モデルと内部エネルギーの基底状態エネルギーを計算し、スケーリング作用素のスケーリング次元を計算し、それらがすべて一致することを確かめる。
  論文  参考訳（メタデータ） (2021-10-08T05:29:41Z)
• Differentiable Convolution Search for Point Cloud Processing [114.66038862207118]
  本稿では,点雲上での新しい差分畳み込み探索パラダイムを提案する。 純粋にデータ駆動型であり、幾何学的形状モデリングに適した畳み込みのグループを自動生成することができる。 また,内部畳み込みと外部アーキテクチャの同時探索のための共同最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-29T14:42:03Z)
• Non-Gradient Manifold Neural Network [79.44066256794187]
  ディープニューラルネットワーク(DNN)は通常、勾配降下による最適化に数千のイテレーションを要します。 非次最適化に基づく新しい多様体ニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-06-15T06:39:13Z)
• Graph Cross Networks with Vertex Infomax Pooling [69.38969610952927]
  グラフの複数スケールから包括的特徴学習を実現するための新しいグラフクロスネットワーク(GXN)を提案する。 グラフのトレーニング可能な階層表現に基づいて、GXNは、スケール間で中間的特徴の交換を可能にし、情報フローを促進する。
  論文  参考訳（メタデータ） (2020-10-05T06:34:23Z)
• A Flexible Framework for Designing Trainable Priors with Adaptive Smoothing and Game Encoding [57.1077544780653]
  我々は、前方通過を非滑らかな凸最適化問題として解釈できるニューラルネットワーク層の設計とトレーニングのための一般的なフレームワークを紹介する。 グラフのノードに代表されるローカルエージェントによって解決され、正規化関数を介して相互作用する凸ゲームに焦点を当てる。 このアプローチは、訓練可能なエンドツーエンドのディープモデル内で、古典的な画像の事前使用を可能にするため、画像の問題を解決するために魅力的である。
  論文  参考訳（メタデータ） (2020-06-26T08:34:54Z)
• MSE-Optimal Neural Network Initialization via Layer Fusion [68.72356718879428]
  ディープニューラルネットワークは、さまざまな分類と推論タスクに対して最先端のパフォーマンスを達成する。 グラデーションと非進化性の組み合わせは、学習を新しい問題の影響を受けやすいものにする。 確率変数を用いて学習した深層ネットワークの近傍層を融合する手法を提案する。
  論文  参考訳（メタデータ） (2020-01-28T18:25:15Z)

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。