仅需 19 个参数：用于粒子物理的微小神经网络
高能物理 - 唯象学
2023-12-15 v3 机器学习
高能物理 - 实验
摘要
随着粒子加速器的对撞率提升，且深度学习方案证明其可行性，对于触发等低延迟任务，对轻量快速神经网络架构的需求日益增长。我们考察了近期一种洛伦兹与置换对称架构 PELICAN 的潜力，并展示了其仅含少至 19 个可训练参数的实例，在顶夸克喷注标记二分类任务上优于具有数万参数的通用架构。
引用
@article{arxiv.2310.16121,
title = {19 Parameters Is All You Need: Tiny Neural Networks for Particle Physics},
author = {Alexander Bogatskiy and Timothy Hoffman and Jan T. Offermann},
journal= {arXiv preprint arXiv:2310.16121},
year = {2023}
}
备注
5 pages, submitted to the "Machine Learning and the Physical Sciences" NeurIPS 2023 Workshop