論文の概要: Reconfigurable Computing Challenge: Transformer for Jet Tagging on Versal AI Engines

• arxiv url: http://arxiv.org/abs/2606.17500v1
• Date: Tue, 16 Jun 2026 04:22:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-17 17:15:32.262898
• Title: Reconfigurable Computing Challenge: Transformer for Jet Tagging on Versal AI Engines
• Title（参考訳）: Reconfigurable Computing Challenge: 垂直AIエンジン上のジェットタグのためのトランスフォーマー
• Authors: Gram Koski, Sean Lipps, Zhenghua Ma, G. Abarajithan, Ryan Kastner,
• Abstract要約: トランスフォーマーベースのモデルは、CERN LHCでジェットタグの強力な性能を達成する。 本稿では,AMD Versal AI Engine上でのジェットタグ付けのための量子化整数のみ変換器の初期実装について述べる。
• 参考スコア（独自算出の注目度）: 2.4378939051977473
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transformer-based models achieve strong performance for jet tagging at the CERN LHC, but deploying them in low-latency, resource-constrained trigger systems is challenging. We present an initial implementation of a quantized, integer-only transformer for jet tagging on the AMD Versal AI Engine (AIE), mapping dense and multi-head attention (MHA) layers to AIE tiles. The main contribution is a reusable software framework that represents transformer layers as composable AIE building blocks and automatically generates the corresponding Vitis graph code from a high-level Python model description. This framework provides a foundation for future research and is released as open-source software at https://github.com/KastnerRG/particle_transformer_aie.
• Abstract（参考訳）: トランスフォーマーをベースとしたモデルはCERN LHCでジェットタグの強力な性能を実現するが、低レイテンシでリソース制約のトリガシステムにそれらをデプロイすることは困難である。 本稿では,AMD Versal AI Engine (AIE) 上でのジェットタグ付けのための量子化された整数のみ変換器の初期実装について述べる。 主なコントリビューションは再利用可能なソフトウェアフレームワークで、トランスフォーマー層を構成可能なAIEビルディングブロックとして表現し、高レベルのPythonモデル記述から対応するVitisグラフコードを自動的に生成する。 このフレームワークは将来の研究の基盤を提供し、https://github.com/KastnerRG/ Particle_transformer_aieでオープンソースソフトウェアとしてリリースされている。

関連論文リスト

• Patch Hierarchical Attention Transformer for Efficient Particle Jet Tagging [6.131736935215063]
  リアルタイムのジェットタグは、大型ハドロン衝突型加速器の検出器における短寿命粒子の崩壊を特定するために重要である。 Patch Hierarchical Attention Transformer (PHAT-JeT) は、局所検出器平面構造を符号化する物理に着想を得た幾何学的メッセージパッシングモジュールと、小粒子群内の正確な注意を計算する階層的パッチベースのアテンションスキームの2つのメカニズムを組み合わせたものである。 PHAT-JeTは、制限された予算内で、4つのベンチマーク上の全てのリソース制約ジェットタグモデルの中で、最先端の精度とバックグラウンドの拒絶を達成する。
  論文  参考訳（メタデータ） (2026-05-20T22:31:21Z)
• ExecuTorch -- A Unified PyTorch Solution to Run AI Models On-Device [9.328077533565924]
  ExecuTorchはエッジAIのための統合PyTorchネイティブデプロイメントフレームワークである。 これは、異質な計算環境にまたがる機械学習モデルのシームレスなデプロイを可能にする。
  論文  参考訳（メタデータ） (2026-05-05T18:59:31Z)
• GoldenTransformer: A Modular Fault Injection Framework for Transformer Robustness Research [0.0]
  ハードウェア障害に対する大規模言語モデルのレジリエンスを評価するための,フォールトインジェクションフレームワークであるGoldenTransformerを提案する。 GoldenTransformerは,さまざまなフォールトクラスをトランスフォーマーベースのモデルに注入する,Pythonベースの統一プラットフォームを提供する。 我々は、GoldenTransformerの技術設計と使用について詳述し、分類および生成タスクに関するいくつかの実例実験を通して実演する。
  論文  参考訳（メタデータ） (2025-09-13T02:52:08Z)
• JetFormer: An Autoregressive Generative Model of Raw Images and Text [62.2573739835562]
  本稿では,生データの可能性を直接最大化するために,自動回帰デコーダのみの変換器であるJetFormerを提案する。 我々は正規化フローモデルを利用して,自己回帰型マルチモーダル変換器で共同で訓練したソフトトーン画像表現を得る。 JetFormerは、最近のVQ-VAEおよびVAEベースのベースラインと競合するテキスト・画像生成品質を実現する。
  論文  参考訳（メタデータ） (2024-11-29T14:14:59Z)
• Isomer: Isomerous Transformer for Zero-shot Video Object Segmentation [59.91357714415056]
  コンテクスト共有変換器(CST)とセマンティックガザリング散乱変換器(SGST)の2つの変種を提案する。 CSTは、軽量な計算により、画像フレーム内のグローバル共有コンテキスト情報を学習し、SGSTは、前景と背景のセマンティック相関を別々にモデル化する。 多段核融合にバニラ変換器を使用するベースラインと比較して,我々は13倍の速度向上を実現し,新しい最先端ZVOS性能を実現する。
  論文  参考訳（メタデータ） (2023-08-13T06:12:00Z)
• MISSU: 3D Medical Image Segmentation via Self-distilling TransUNet [55.16833099336073]
  医用画像セグメンテーションのためのトランスフォーマーベースUNetを提案する。 グローバルな意味情報と局所的な空間的詳細特徴を同時に学習する。 MISSUは従来の最先端手法よりも優れた性能を発揮する。
  論文  参考訳（メタデータ） (2022-06-02T07:38:53Z)
• CvT-ASSD: Convolutional vision-Transformer Based Attentive Single Shot MultiBox Detector [15.656374849760734]
  本稿では、CvT-ASSD(Convolutional Vision Transformer Based Attentive Single Shot MultiBox Detector)という新しいオブジェクト検出アーキテクチャを提案する。 当社のモデルであるCvT-ASSDは,PASCAL VOCやMS COCOなどの大規模検出データセットで事前学習しながら,システム効率と性能を向上させることができる。
  論文  参考訳（メタデータ） (2021-10-24T06:45:33Z)
• Autoencoders for unsupervised anomaly detection in high energy physics [105.54048699217668]
  QCDジェット画像の背景にあるトップジェット画像のタグ付けについて検討する。 標準オートエンコーダ設定をモデル非依存の異常タガーとはみなせないことを示す。 モデル非依存異常検出の課題に対する性能改善策を提案する。
  論文  参考訳（メタデータ） (2021-04-19T05:06:57Z)
• TransGAN: Two Transformers Can Make One Strong GAN [111.07699201175919]
  我々は、純粋なトランスフォーマーベースのアーキテクチャのみを用いて、完全に畳み込みのないGANテキストを構築できる最初のパイロット研究を行う。 バニラGANアーキテクチャはtextbfTransGANと呼ばれ、メモリフレンドリーなトランスフォーマーベースのジェネレータで構成されています。 当社の最高のアーキテクチャは、コンボリューションバックボーンに基づく最新のGANと比較して非常に競争力のあるパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-02-14T05:24:48Z)

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。