利用 petrifyML 实现高能物理中 ML 算法的稳定保存
高能物理 - 唯象学
2026-05-28 v2 高能物理 - 实验
摘要
在大型强子对撞机 (LHC) 时代，机器学习 (ML) 已从实验软件内部的细节，发展为许多物理数据分析不可或缺的公共组成部分。因此，科学可重复性要求必须能够准确且稳定地保存这些有时非常复杂算法的行为。我们提出并记录了 petrifyML 软件包，它提供将常用高能物理 ML 工具的配置转换为行业标准 ONNX 格式或原生 Python 或 C++ 代码的缺失机制，从而 enable 未来大量基于 ML 的实验研究的再利用和再解释。
引用
@article{arxiv.2509.11830,
title = {Enabling stable preservation of ML algorithms in high-energy physics with petrifyML},
author = {Andy Buckley and Louie Corpe and Martin Habedank and Tomasz Procter},
journal= {arXiv preprint arXiv:2509.11830},
year = {2026}
}
备注
16 pages