实体
High Energy Physics - Phenomenology
High Energy Physics - Phenomenology
PulseAugur coverage of High Energy Physics - Phenomenology — every cluster mentioning High Energy Physics - Phenomenology across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
AI扩散模型应用于粒子物理学以发现参数
研究人员开发了一种新颖的方法，使用扩散模型（一种生成式AI）来搜索味模型中与实验约束相符的参数。该方法应用于$S_4^\prime$模味模型，其中训练了一个神经网络，根据自由参数预测夸克质量、CKM矩阵和Jarlskog不变量。该研究确定了新的现象学上有趣的参数区域，并证实了$S_4^\prime$模型中的自发CP破坏，证明了扩散模型在物理学中解决逆问题的能力。
-
新的预训练方法提升喷气式基础模型性能
研究人员开发了一种改进的喷气式基础模型预训练方法，该方法建立在最初的OmniJet-alpha工作之上。这种新方法通过结合连续特征向量和词元ID来增强下一个词元预测，并引入了一种结合掩码粒子建模和生成学习目标的组合预训练策略。这些增强功能在不影响生成能力的情况下显著提高了下游分类任务的性能。
-
利用机器学习和宇宙学数据分析中微子质量纹理
本研究论文通过分析当前的实验和宇宙学数据，重新审视了零一和零二中微子质量纹理。该研究利用中微子振荡参数、宇宙微波背景（CMB）数据以及中微子质量的上限来识别可行的纹理结构。研究强调，虽然仅有CMB约束允许某些零二纹理，但加入重子声学振荡（BAO）数据后，可行的选项仅限于A系列纹理。论文还采用了机器学习技术，如流匹配，来分析零一纹理及其对各种中微子质量特性的预测。