論文の概要: Particle-Lund Multimodality in Jet Taggers

• arxiv url: http://arxiv.org/abs/2605.26821v1
• Date: Tue, 26 May 2026 10:39:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.885961
• Title: Particle-Lund Multimodality in Jet Taggers
• Title（参考訳）: ジェットタガーにおける粒子の多モード性
• Authors: Loukas Gouskos, Benedikt Maier,
• Abstract要約: ランドプレーンは、ジェット内のQCD放射の物理学的、階層的な表現を提供する。 トランスフォーマーは、原料粒子成分から直接学習することで最先端の性能を達成した。 構成レベルの入力から階層型QCD構造を暗黙的にキャプチャするかどうかを検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The Lund plane offers a physics-motivated, hierarchical representation of QCD radiation within jets, while transformer-based taggers have reached state-of-the-art performance by learning directly from raw particle constituents and their pairwise relations. We investigate whether transformers implicitly capture hierarchical QCD structure from constituent-level inputs, or whether explicit physics representations remain complementary. To test this, we introduce PLuM, a multimodal architecture that projects particle constituents and Lund plane splittings into a shared latent space, processing both jointly with a unified transformer. Cross-attention allows the model to probe whether structured QCD information provides discriminating power beyond what particles alone encode. We observe systematic gains for top-quark and $\mathrm{H}\to\mathrm{b}\bar{\mathrm{b}}$ tagging, while finding no comparable improvement for $\mathrm{H}\to\mathrm{c}\bar{\mathrm{c}}$ or $\mathrm{H}\to 4\mathrm{q}$ topologies. This selective enhancement suggests that explicit hierarchical information about b-jet formation remains complementary to raw particle representations even in highly expressive architectures, while other topologies are already well-captured at constituent level. For high-impact LHC analyses such as Lorentz-boosted di-Higgs searches in the four $\mathrm{b}$ quark final state ($\mathrm{H}\mathrm{H}(4\mathrm{b})$), the gains are substantial: at a $25\%$ di-Higgs efficiency working point, PLuM achieves $25\%$ higher background rejection than the baseline. Our results indicate that physically structured representations of QCD radiation retain discriminating value in the transformer era, motivating further study into how different aspects of jet dynamics are encoded by deep learning algorithms.
• Abstract（参考訳）: Lund平面は、ジェット内におけるQCD放射の物理的、階層的な表現を提供する一方、トランスフォーマーベースのタグは、原料粒子成分とそれらのペア関係から直接学習することで最先端のパフォーマンスに到達している。 変換器が構成レベルの入力から階層的なQCD構造を暗黙的にキャプチャするかどうか、あるいは明示的な物理表現が相補的であるかどうかを検討する。 これをテストするためにPLuMを導入する。これは粒子成分とLund平面の分裂を共有潜在空間に投影するマルチモーダルアーキテクチャであり、どちらも統一変換器と共同で処理する。 クロスアテンション(英語版)により、モデルでは、構造化されたQCD情報が、粒子のみを符号化するだけでなく、識別力を与えるかどうかを探索することができる。 トップクォークと$\mathrm{H}\to\mathrm{b}\bar{\mathrm{b}}$タグ付けの体系的なゲインを観察し、$\mathrm{H}\to\mathrm{c}\bar{\mathrm{c}}$または$\mathrm{H}\to 4\mathrm{q}$トポロジーの同等の改善は見つからない。 この選択的エンハンスメントは、b-ジェット生成に関する明示的な階層的情報は、高表現的アーキテクチャにおいても原粒子表現と相補的であり、他のトポロジは構成レベルで既に十分に捕捉されていることを示唆している。 Lorentz-boosted di-Higgs search in the four $\mathrm{b}$ quark final state ($\mathrm{H}\mathrm{H}(4\mathrm{b})$ のような高影響のLHC解析では、この利得は相当である。 以上の結果から,QCD放射の物理構造的表現は変圧器時代における識別値を保持し,ジェット力学の異なる側面が深層学習アルゴリズムによってどのように符号化されているか,さらに研究を進めることが示唆された。

関連論文リスト

• WorldParticle: Unified World Simulation of Lagrangian Particle Dynamics via Transformer [107.36949516442782]
  本研究では, 単一トランスアーキテクチャ上に構築された学習型粒子シミュレータを用いて, 布, 弾性体, ニュートン流体, ニュートン流体, 粒状物質, 分子動力学をモデル化する。
  論文  参考訳（メタデータ） (2026-05-14T18:18:12Z)
• Block Permutation Routing on Ramanujan Hypergraphs for Fault-Tolerant Quantum Computing [0.0]
  我々は、再構成可能な格子上の$d_C2$原子の表面コードパッチを表す固形ブロックの置換ルーティングを解析する。 商グラフ $Q(G_mathrmcl(H, B)$ のスペクトル解析により、スペクトル比 $_Q 1$ が高結合状態に保存されていることを示す。
  論文  参考訳（メタデータ） (2026-05-06T15:29:08Z)
• Gradient-Based Excitation Filter for Molecular Ground-State Simulation [6.627541720714792]
  本稿では,従来のコンピュータ上での単一および二重励起(UCCSD)アンサッツを用いたユニタリ結合クラスタを効率的に単純化する手法を提案する。 提案手法は,最大46%のパラメータ減少,60%の回路深さ減少,678タイムのランタイムを実現する。
  論文  参考訳（メタデータ） (2025-06-25T13:12:45Z)
• Unveiling Induction Heads: Provable Training Dynamics and Feature Learning in Transformers [54.20763128054692]
  我々は,2層変換器が$n$-gramのマルコフ連鎖データ上でICLを実行するためにどのように訓練されているかを検討する。 クロスエントロピー ICL 損失に対する勾配流が極限モデルに収束することを証明する。
  論文  参考訳（メタデータ） (2024-09-09T18:10:26Z)
• A case study of sending graph neural networks back to the test bench for applications in high-energy particle physics [0.0]
  高エネルギー粒子衝突では、一次衝突生成物は、通常さらに崩壊し、木のような階層構造と事前の未知の多重度が生じる。 数理グラフの類似性は、高エネルギー粒子物理学に関連する多くの課題に対処するためにグラフニューラルネットワーク(GNN)が最適であるという考えを生み出している。 確立された完全接続型フィードフォワードアーキテクチャのニューラルネットワークに対する典型的なGNNのベンチマークテストについて述べる。
  論文  参考訳（メタデータ） (2024-02-27T10:26:25Z)
• Explainable Equivariant Neural Networks for Particle Physics: PELICAN [51.02649432050852]
  PELICANは、新しい置換同変であり、ローレンツ不変アグリゲーターネットワークである。 本稿では,タグ付け(分類)とローレンツ発泡トップクォークの再構成(回帰)の両文脈におけるPELICANアルゴリズムアーキテクチャについて述べる。 PELICANの適用範囲を、クォーク開始時とグルーオン開始時とを識別するタスクに拡張し、5種類のジェットを対象とするマルチクラス同定を行う。
  論文  参考訳（メタデータ） (2023-07-31T09:08:40Z)
• Rethinking SO(3)-equivariance with Bilinear Tensor Networks [0.0]
  我々は、偏差対称性の破れにより、SO$(2)$のベクトルおよび順序2テンソル表現のみに作用するネットワークの表現性を向上させることができることを示す。 本稿では, b-中間子崩壊から生じる粒子ジェットを, 圧倒的なQCD背景から識別しなくてはならない, テクスタイブタグと呼ばれる高エネルギー物理の重要な問題に対して, 本手法を実証する。
  論文  参考訳（メタデータ） (2023-03-20T17:23:15Z)

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。