Aspen Open Jets：为粒子物理中的基础模型解锁 LHC 数据
高能物理 - 唯象学
2025-11-06 v2 机器学习
高能物理 - 实验
机器学习
摘要
基础模型是在大量数据上预训练的深度学习模型，能够泛化到多个数据集和/或下游任务。本工作展示了大型强子对撞机 CMS 实验收集的数据如何用于 HEP 基础模型的预训练。具体而言，我们引入了 AspenOpenJets 数据集，该数据集包含约 1.78 亿个源自 CMS 2016 Open Data 的高 喷注。我们展示了在 AspenOpenJets 上预训练 OmniJet- 基础模型如何提升在具有显著域偏移的生成任务上的性能：从模拟的 JetClass 数据集中生成 boosted top 和 QCD 喷注。除了展示基于喷注的基础模型在实际质子-质子碰撞数据上预训练的能力外，我们还提供了机器学习就绪的衍生 AspenOpenJets 数据集供进一步公开使用。
引用
@article{arxiv.2412.10504,
title = {Aspen Open Jets: Unlocking LHC Data for Foundation Models in Particle Physics},
author = {Oz Amram and Luca Anzalone and Joschka Birk and Darius A. Faroughy and Anna Hallin and Gregor Kasieczka and Michael Krämer and Ian Pang and Humberto Reyes-Gonzalez and David Shih},
journal= {arXiv preprint arXiv:2412.10504},
year = {2025}
}
备注
11 pages, 4 figures, the AspenOpenJets dataset can be found at http://doi.org/10.25592/uhhfdm.16505