结构化状态空间模型在高能物理中的应用：局部敏感哈希

现代高能物理（HEP）实验面临着巨大数据规模和复杂性的挑战，尤其是在大规模点云处理和长序列处理方面。本文探索了结构化状态空间模型（SSMs）的应用，提出了首次将局部敏感哈希集成到混合模型或纯 Mamba 模型中的尝试。我们的结果表明，纯 SSMs 可作为处理涉及长序列数据且具有局部归纳偏置的 HEP 问题的强大基础模型。通过将局部敏感哈希集成到 Mamba 块中，我们在关键 HEP 任务中显著优于传统基础模型，推理速度和物理指标均提升，计算开销降低。在关键测试中，我们的方法表现前景广阔，为传统 Transformer 基础模型提供了可行的替代方案，显著降低 FLOPS 而又保持稳健的性能。