PulseAugur
实时 10:31:52
English(EN) Pretrained Event Classification Model for High Energy Physics Analysis

基于1.2亿次物理事件训练的AI模型提高了碰撞数据分类精度

研究人员开发了一种新的高能物理事件分类基础模型,采用了图神经网络架构。该模型在12种物理过程的1.2亿次模拟质子-质子碰撞事件上进行了预训练,以学习碰撞数据的通用表示。对模型进行微调后,在包括新物理过程和真实ATLAS开放数据在内的各种分类任务中,准确性和计算效率均得到显著提高,展示了其通用性。 AI

影响 这一基础模型有望通过提高事件分类的效率和准确性来加速高能物理领域的研究。

排序理由 这是一篇详细介绍用于物理分析的新模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

基于1.2亿次物理事件训练的AI模型提高了碰撞数据分类精度

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Joshua Ho, Benjamin Ryan Roberts, Shuo Han, Haichen Wang ·

    用于高能物理分析的预训练事件分类模型

    arXiv:2412.10665v2 Announce Type: replace-cross Abstract: We introduce a foundation model for event classification in high-energy physics, built on a Graph Neural Network architecture and trained on 120 million simulated proton-proton collision events spanning 12 distinct physics…