用于粒子轨迹跟踪的语言模型
高能物理 - 唯象学
2024-02-19 v1 机器学习
高能物理 - 实验
摘要
粒子轨迹跟踪是大型强子对碱撞实验中几乎所有物理分析程序中至关重要的环节。深度学习模型在粒子轨迹跟踪相关任务中被广泛应用。然而，当前做法是针对单个任务设计并使用监督学习技术训练一个深度学习模型。训练得到的模型在所训练的任务上表现良好，但几乎没有或仅有限的泛化能力。我们提出用一种语言模型来统一这些模型。本文介绍了一种用于粒子轨迹跟踪的分词化探测器表示，使我们能够训练一个 BERT 模型用于粒子轨迹跟踪。训练得到的 BERT 模型（称为 TrackingBERT）提供了可用于其他任务的潜在探测器模块嵌入。这一工作代表了开发粒子探测器理解基础模型的第一步。
引用
@article{arxiv.2402.10239,
title = {A Language Model for Particle Tracking},
author = {Andris Huang and Yash Melkani and Paolo Calafiura and Alina Lazar and Daniel Thomas Murnane and Minh-Tuan Pham and Xiangyang Ju},
journal= {arXiv preprint arXiv:2402.10239},
year = {2024}
}
备注
7 pages, 3 figures, A Proceeding of the Connecting the Dots Workshop (CTD 2023)