QCD jets

为LHC基础模型揭示新的自监督预训练方法

研究人员开发了一种新颖的自监督预训练方法，用于大型强子对撞机（LHC）的基础模型。这种数据驱动的方法利用能量移动距离（EMD）根据相似性配对事件，无需传统的 数据增强。通过根据相似性匹配不同的事件，该方法在不改变事件保真度或需要计算密集型模拟的情况下学习不变性。在QCD喷注上的实验表明，这种无增强配对方法可以产生具有下游区分能力的语义喷注嵌入，其性能可与现有基于增强的基线相媲美或超越。