GADGET II

AI模型架构和训练影响物理实验中表示的可复用性

研究人员调查了深度学习模型的架构和训练如何影响其表示，特别是在实验物理学的背景下。他们的研究重点是时间投影室（TPC）数据，这些数据可以表示为稀疏张量，并探讨了这些表示在不同实验和探测器系统之间的可复用性。通过在冻结的编码器上使用探针并将其与随机权重对照进行比较，该研究旨在区分架构与训练对下游性能的贡献。研究结果表明，架构选择显著影响TPC嵌入的结构，其中一些表示即使在微调之前或在不同的实验设置中也很有用。