PulseAugur
中
实时 11:14:29
English(EN) SPADE: Split-and-Delay Embeddings for Autoregressive High-Granularity Calorimeter Simulation

SPADE transformer 推进高精度量能器模拟

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 SPADE，这是一种新颖的自回归 transformer 模型，用于模拟粒子物理学中的高精度量能器数据。与先前将多个特征联合嵌入的方法不同，SPADE 独立嵌入特征，并在特征流之间引入延迟。这种方法允许标准的自注意力机制有效地学习 token 内的相关性。SPADE 在 ILD 探测器的光子簇生成方面表现出与现有模型相当的性能，并为将 LLM 式预训练应用于复杂的多特征数据集提供了新途径。 AI

影响 引入了一种适用于复杂科学模拟的新型 transformer 架构，有可能实现高维数据的 LLM 式预训练。

排序理由 该集群包含一篇详细介绍新颖科学模拟模型的新学术论文。 [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 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Joschka Birk, Frank Gaede, Anna Hallin, Gregor Kasieczka, Martina Mozzanica, Henning Rose ·

    SPADE: Split-and-Delay Embeddings for Autoregressive High-Granularity Calorimeter Simulation

    arXiv:2606.11304v1 Announce Type: cross Abstract: We introduce SPADE (SPlit And Delay Embeddings), an autoregressive transformer for sequences whose tokens carry multiple features. Rather than embedding these features jointly, SPADE embeds them independently. Delaying each featur…

相关实体

相关话题