論文の概要: Similarity Pairing with Energy Mover's Distance for Self-Supervised Pre-Training at the LHC

• arxiv url: http://arxiv.org/abs/2609.17738v1
• Date: Tue, 15 Sep 2026 18:44:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.505318
• Title: Similarity Pairing with Energy Mover's Distance for Self-Supervised Pre-Training at the LHC
• Title（参考訳）: LHCにおける自己監督型プレトレーニングのためのエナジーマーバー距離の類似性ペアリング
• Abstract要約: 本研究では,エネルギー距離(EMD)による類似性によるイベントのペアリング手法を提案する。 自己蒸留によるQCDジェットの事前学習により,この拡張フリーペアリング法を実証し,拡張ベースベースラインと同等以上の下流識別能力を有するセマンティックジェットの埋め込みを実現できることを示す。
• 参考スコア（独自算出の注目度）: 0.008652091899164643
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many self-supervised methods for training foundation models at the Large Hadron Collider (LHC) rely on data augmentations to encourage the model to embed events into a representation space invariant to certain physical or detector symmetries. A common challenge arises from the large freedom in choosing a proper set of augmentations on which downstream performance depends. The implementation of augmentations involves either modifying existing events, potentially breaking the event fidelity, or simulating more event variants, which is computationally intensive. In this work, we present a data-driven method of pairing events by their similarity via the energy mover's distance (EMD), which measures how similar two events are in terms of the work required to transform one into the other. With this approach, distinct events are sampled and matched by their similarity to serve as views for learning invariance, keeping the physics content of each event intact without handcrafted distortions. We demonstrate this augmentation-free pairing method by pre-training on QCD jets via self-distillation and show that it can yield semantic jet embeddings with downstream discrimination power comparable to or better than an augmentation-based baseline.
• Abstract（参考訳）: 大型ハドロン衝突型加速器(LHC)で基礎モデルを訓練するための多くの自己監督的手法は、特定の物理または検出器対称性に不変な表現空間にイベントを埋め込むように、データ拡張に依存している。 共通の課題は、下流のパフォーマンスが依存する適切な拡張セットを選択する際の大きな自由から生じます。 拡張の実装には、既存のイベントの変更、潜在的にイベントの忠実度を損なう可能性があること、あるいは、計算集約的なイベント変動をシミュレートすることが含まれる。 本研究では,エネルギムーバ距離(EMD)を用いて,その類似性によってイベントをペアリングするデータ駆動方式を提案する。 このアプローチでは、異なる事象をサンプル化し、その類似性によって一致させ、不変性を学ぶための視点として役立ち、各事象の物理内容は手作りの歪みなしに維持される。 自己蒸留によるQCDジェットの事前学習により,この拡張フリーペアリング法を実証し,拡張ベースベースラインと同等以上の下流識別能力を有するセマンティックジェットの埋め込みを実現できることを示す。

関連論文リスト

• Scaling Dense Event-Stream Pretraining from Visual Foundation Models [112.44243079477137]
  我々は,視覚基礎モデル(VFM)を蒸留して,イベント表現の境界を大規模に推し進める,新しい自己教師型事前学習手法をローンチする。 我々は、クロスモーダルアライメントを増幅するために、広範に同期された画像イベントコレクションをキュレートする。 VFMによって提供されるセマンティックな構造にアライメントの目的を拡張し、より広い受容領域とより強い監督力を示す。
  論文  参考訳（メタデータ） (2026-03-04T12:06:09Z)
• Steering Vision-Language-Action Models as Anti-Exploration: A Test-Time Scaling Approach [78.4812458793128]
  動作チャンクの高忠実度検証に軽量な擬数推定器を適用したテスト時間スケーリングフレームワークである textbfTACO を提案する。 我々の手法は、オフライン強化学習(RL)における古典的な反探索原理に似ており、勾配のないため、計算上の大きな恩恵をもたらす。
  論文  参考訳（メタデータ） (2025-12-02T14:42:54Z)
• Nonparametric Data Attribution for Diffusion Models [57.820618036556084]
  生成モデルのデータ属性は、個々のトレーニング例がモデル出力に与える影響を定量化する。 生成画像とトレーニング画像のパッチレベルの類似性によって影響を測定する非パラメトリック属性法を提案する。
  論文  参考訳（メタデータ） (2025-10-16T03:37:16Z)
• Align-Then-stEer: Adapting the Vision-Language Action Models through Unified Latent Guidance [63.33213516925946]
  textbfAlign-Then-stEer(textttATE)は,新しいデータ効率,プラグアンドプレイ適応フレームワークである。 我々の研究は、新しいロボットプラットフォームやタスクにVLAモデルをデプロイする実用性を大幅に向上させる、汎用的で軽量なソリューションを提供する。
  論文  参考訳（メタデータ） (2025-09-02T07:51:59Z)
• Enhanced OoD Detection through Cross-Modal Alignment of Multi-Modal Representations [2.992602379681373]
  マルチモーダル微調整により,OoDDの性能が向上することを示す。 本稿では,IDデータの画像とテキストの埋め込み距離を正規化することにより,モーダルアライメントを向上させる訓練目標を提案する。
  論文  参考訳（メタデータ） (2025-03-24T16:00:21Z)
• Variational Schrödinger Diffusion Models [14.480273869571468]
  Schr"odinger Bridge (SB) は拡散モデルにおける輸送計画の最適化手法として登場した。 我々は変分推論を利用してSBの前方スコア関数(変分スコア)を線形化する。 本稿では,多変量拡散過程と変分スコアを適応的に最適化して効率的な輸送を行う,変分Schr"odinger拡散モデル(VSDM)を提案する。
  論文  参考訳（メタデータ） (2024-05-08T04:01:40Z)
• Event Data Association via Robust Model Fitting for Event-based Object Tracking [4.36706221903271]
  本稿では,イベントアソシエーションと融合問題に明示的に対処する新しいイベントデータアソシエーション(EDA)手法を提案する。 提案するEDAは、統合データアソシエーションと情報融合を行うために、イベントデータに最も適したイベントトラジェクトリを求める。 実験結果から,高速,運動のぼやけ,高ダイナミックレンジ条件といった難易度シナリオ下でのEDAの有効性が示された。
  論文  参考訳（メタデータ） (2021-10-25T13:56:00Z)

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。