English(EN) Scaling Collider Event Generation with Residual-Quantized Tokens

AI模型将加速LHC对撞机事件的生成

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-03 04:00

研究人员开发了一种使用自回归Transformer和残差量化令牌生成对撞机事件数据的新方法。该方法旨在通过创建更快的、基于机器学习的替代方法来模拟和重建高亮度大型强子对撞机预期的计算瓶颈。该模型展示了条件生成能力，并对其在各种数据集和模型大小上的缩放行为进行了研究，表明令牌级别的损失可以预测下游物理保真度。 AI

影响这项研究可以显著加速高能实验的物理模拟，从而更快地分析对撞机数据。

排序理由这是一篇研究论文，详细介绍了使用机器学习技术进行对撞机事件生成的 novel 方法。[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 →

本文如何被排名

Signal score: 4 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇研究论文，详细介绍了使用机器学习技术进行对撞机事件生成的 novel 方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, infra; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Dan Godi, Dmitrii Kobylianskii, Eilam Gross · 2026-10-03 04:00

使用残差量化令牌扩展碰撞事件生成

arXiv:2610.00569v1 Announce Type: cross Abstract: Full detector simulation and reconstruction of collider events are projected to become major bottlenecks at the High-Luminosity Large Hadron Collider, motivating the development of fast, ML-based surrogates. At the same time, LLMs…

本文如何被排名

报道来源 [1]

使用残差量化令牌扩展碰撞事件生成

相关实体

相关话题