视觉Transformer在大型强子对撞机喷注分类方面优于CNN

研究人员探索了将视觉Transformer (ViTs) 应用于使用大型强子对撞机量热仪图像进行夸克-胶子喷注分类。他们的研究利用了模拟的CMS Open Data，构建了多通道喷注视图图像，以实现端到端学习方法。研究结果表明，基于ViT的模型，特别是像ViT+MaxViT和ViT+ConvNeXt这样的混合架构，在准确率、F1分数和ROC-AUC方面优于传统的卷积神经网络，因为它们能有效地捕捉喷注子结构内的长距离空间相关性。 AI

影响 为将先进视觉模型应用于高能物理数据分析设定了新基准。

排序理由 该项目是一篇研究论文，详细介绍了现有模型在科学问题上的新应用。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• arXiv
• CMS Open Data
• convolutional neural network
• École cantonale d'art de Lausanne
• HCAL
• Large Hadron Collider
• Quark-Gluon Jet Classification
• vision transformer
• Vít
• ViT+ConvNeXt
• ViT+MaxViT

• 论文
• 基础设施

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →