top quark
PulseAugur coverage of top quark — every cluster mentioning top quark across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
AI模型直接从LHC碰撞数据中学习标准模型物理学
研究人员开发了一种名为ShellFlow的基于Transformer的生成模型，可以直接从Large Hadron Collider收集的数据中学习粒子物理学标准模型的结构。该模型在ATLAS Open Data发布的约十亿次碰撞事件上进行训练，无需超出基本运动学公式的明确先验知识，即可重现各种物理现象。ShellFlow成功学习了粒子内运动学、双轻子共振、Weinberg角以及W玻色子和顶夸克的质量，证明了标准模型的重要部分可以直接…
-
新的自监督方法增强了高能物理中的喷注辨识能力
研究人员开发了 JetParticle-JEPA (JP-JEPA)，一种用于高能物理喷注辨识的新型自监督学习方法。该方法基于 Particle Transformer 构建，可以直接从粒子数据中学习有意义的表征，而无需广泛的标记数据集。在 JetClass 等基准测试中，JP-JEPA 的性能与监督方法相当，并且在面对探测器错误建模和数据限制时表现出更强的鲁棒性。
-
新AI模型增强高亮度LHC信号净化能力
研究人员开发了PhyGHT，一种新颖的物理引导超图Transformer，用于改善高亮度大型强子对撞机（HL-LHC）的信号净化。该架构结合了图注意力与全局自注意力，并引入了一个物理约束的堆积抑制门，在数据聚合前过滤噪声。该模型在极端堆积条件下重建顶夸克对产生信号方面表现优于现有方法，增强了HL-LHC的发现潜力。
-
新的PLuM架构通过多模态物理数据增强喷注鉴别器
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。