Fugu-MT 論文翻訳(概要): Pairton: Iterative Reconstruction of Short-Lived Particles

論文の概要: Pairton: Iterative Reconstruction of Short-Lived Particles

arxiv url: http://arxiv.org/abs/2608.14278v2
Date: Mon, 17 Aug 2026 11:52:54 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-18 13:30:43.598283
Title: Pairton: Iterative Reconstruction of Short-Lived Particles
Title（参考訳）: Pairton: 短寿命粒子の反復的再構成
Abstract要約: ペアトンは、高エネルギー衝突で短寿命粒子を再構築するための反復的な枠組みである。完全ハドロン$tbart$崩壊に対する最先端性能を示す。
参考スコア（独自算出の注目度）: 1.0832844764942349
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present Pairton, an iterative framework for reconstructing short-lived particles in high-energy collision events. By formulating particle reconstruction as a masked prediction process over graph structures, Pairton learns conditional distributions consistent with a factorised decomposition of decay products and iteratively predicts edges in the adjacency matrix representing particle decay relationships. Leveraging a pairformer-based architecture with dynamically updated pairwise representations, our method incorporates global event consistency. We demonstrate state-of-the-art performance on fully hadronic $t\bar{t}$ decays. Pairton provides a general, flexible paradigm for particle reconstruction and can be readily extended to other topologies, bridging ideas from modern generative modelling and high-energy physics.
Abstract（参考訳）: 高エネルギー衝突時に短寿命粒子を再構成するための反復的枠組みであるPairtonを提案する。グラフ構造上のマスク付き予測過程として粒子再構成を定式化することにより、Pairtonは崩壊生成物の分解と整合した条件分布を学習し、粒子崩壊関係を表す隣接行列のエッジを反復的に予測する。動的に更新されたペアワイズ表現でペアフォーマーベースのアーキテクチャを活用することで,グローバルなイベント一貫性を実現する。完全ハドロン$t\bar{t}$崩壊に対する最先端性能を示す。ペアトンは、粒子再構成のための一般的なフレキシブルなパラダイムを提供し、現代の生成モデリングや高エネルギー物理学からアイデアをブリッジすることで、容易に他のトポロジーに拡張することができる。

関連論文リスト

Particle-based Generalised Stochastic Optimisation [0.0]
そこで我々は,難解勾配を有する損失関数に対する拡散型粒子最適化法の開発を行った。本稿では,いくつかの既存アルゴリズムを特殊なケースとして含む平均場力学とその相互作用粒子近似を紹介する。連続時間粒子系は非漸近誤差を持つことを示す。
論文参考訳（メタデータ） (2026-08-03T19:59:47Z)
Learning to Tessellate: Point Cloud Generation via Recursive Spectral Partitioning [58.130498928480456]
本稿では, トポロジ保存型テッセルレーションプロセスとして, 点雲生成を再構成する自己回帰フレームワークであるPointRSPを提案する。 PointRSPは、複雑な3Dトポロジーをまたいだ強力な一般化を証明し、世代品質と多様性の最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2026-08-03T16:11:43Z)
Machine Learning-Augmented Acceleration of Iterative Ptychographic Reconstruction [56.83110460392765]
反復画像再構成アルゴリズムはコヒーレント・ディファレント・ディファレント・イメージングに広く用いられている。本稿では, 反復的画像再構成を高速化する機械学習によるアプローチを提案する。
論文参考訳（メタデータ） (2026-05-01T21:46:58Z)
StepVAR: Structure-Texture Guided Pruning for Visual Autoregressive Models [98.72926158261937]
本稿では,Visual AutoRegressive モデルのためのトレーニングフリートークン解析フレームワークを提案する。我々は局所的なテクスチャの詳細を捉えるために軽量なハイパスフィルタを使用し、グローバルな構造情報を保存するために主成分分析(PCA)を活用している。スパーストークンの下で有効な次世代の予測を維持するために,近接した特徴伝達戦略を導入する。
論文参考訳（メタデータ） (2026-03-02T11:35:05Z)
Protein Autoregressive Modeling via Multiscale Structure Generation [51.92004892768298]
タンパク質自己回帰モデリング(PAR)は,タンパク質のバックボーン生成のための最初のマルチスケール自己回帰フレームワークである。ノイズの多いコンテキスト学習とスケジュールサンプリングを採用し、堅牢なバックボーン生成を実現している。非条件生成ベンチマークでは、PARはタンパク質の分布を効果的に学習し、高い設計品質のバックボーンを生成する。
論文参考訳（メタデータ） (2026-02-04T18:59:49Z)
Fast spectral separation method for kinetic equation with anisotropic non-stationary collision operator retaining micro-model fidelity [13.462104954140088]
分子動力学シミュレーションから学習した1成分プラズマに対するデータ駆動衝突演算子を提案する。提案した演算子は、粒子相関を考慮に入れた異方性非定常衝突カーネルを特徴とする。数値実験により,提案モデルが適度に結合された状態下でのプラズマ力学を正確に捉えることを示した。
論文参考訳（メタデータ） (2025-10-16T19:27:03Z)
Loss-Complexity Landscape and Model Structure Functions [53.92822954974537]
我々はコルモゴロフ構造関数 $h_x(alpha)$ を双対化するためのフレームワークを開発する。情報理論構造と統計力学の数学的類似性を確立する。構造関数と自由エネルギーの間のルジャンドル・フェンシェル双対性を明確に証明する。
論文参考訳（メタデータ） (2025-07-17T21:31:45Z)
PASCL: Supervised Contrastive Learning with Perturbative Augmentation for Particle Decay Reconstruction [13.068560466022557]
高エネルギー物理学では、衝突で生じる粒子は階層木構造の形で崩壊する。本研究では,木構造を推定し,衝突イベントを再構成するグラフに基づくディープラーニングモデルを提案する。特に、最小共通祖先世代(LCAG)行列と呼ばれるコンパクトな行列表現を用いて、粒子崩壊木構造を符号化する。
論文参考訳（メタデータ） (2024-02-18T10:38:34Z)
Topological Reconstruction of Particle Physics Processes using Graph Neural Networks [0.9374652839580183]
トポグラフは、中間粒子を含む基礎となる物理過程を、粒子物理学の崩壊の性質から基礎となる先駆的手法を利用して再構成する。我々は、全ハドロン減衰チャネルにおけるトップクォーク対生成にトポグラフを適用し、標準手法より優れ、最先端の機械学習技術の性能に適合する。
論文参考訳（メタデータ） (2023-03-24T11:50:08Z)
DIFFormer: Scalable (Graph) Transformers Induced by Energy Constrained Diffusion [66.21290235237808]
本稿では,データセットからのインスタンスのバッチを進化状態にエンコードするエネルギー制約拡散モデルを提案する。任意のインスタンス対間の対拡散強度に対する閉形式最適推定を示唆する厳密な理論を提供する。各種タスクにおいて優れた性能を有する汎用エンコーダバックボーンとして,本モデルの適用性を示す実験を行った。
論文参考訳（メタデータ） (2023-01-23T15:18:54Z)

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。