研究人员开发了一种新的多模态架构，称为PLuM，它将粒子成分与Lund平面分裂相结合，以改进高能物理中的喷注鉴别。该方法使用统一的Transformer联合处理这两种数据，允许通过交叉注意力来确定结构化QCD信息的附加价值。PLuM模型在鉴别顶夸克和H到bb衰变方面取得了显著的提升，表明对于某些拓扑结构，显式的分层信息仍然是对原始粒子表示的补充。 AI
影响 这项研究表明，在科学应用中，结合物理特定的结构化数据可以增强基于Transformer的模型性能。
排序理由 该集群包含一篇详细介绍高能物理喷注鉴别新多模态架构的研究论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2605.26821v1 Announce Type: cross Abstract: The Lund plane offers a physics-motivated, hierarchical representation of QCD radiation within jets, while transformer-based taggers have reached state-of-the-art performance by learning directly from raw particle constituents and…
The Lund plane offers a physics-motivated, hierarchical representation of QCD radiation within jets, while transformer-based taggers have reached state-of-the-art performance by learning directly from raw particle constituents and their pairwise relations. We investigate whether …