使用自回归 Transformer 外推喷流辐射
高能物理 - 唯象学
2026-01-13 v2 机器学习
摘要
生成网络是用于快速 LHC 事件生成的一种令人兴奋的工具，但通常受限于固定数量的粒子。自回归 Transformer 使我们能够生成包含可变数量粒子的事件，这与 QCD 喷流辐射的物理过程非常一致，并提供了向更高粒子多重数推广的可能性。我们展示了 Transformer 如何学习喷流辐射的因子化似然，并在生成喷流数量上进行外推。对于这种外推，可以使用自助法处理训练数据以及对似然损失进行修改后的训练。
引用
@article{arxiv.2412.12074,
title = {Extrapolating Jet Radiation with Autoregressive Transformers},
author = {Anja Butter and François Charton and Javier Mariño Villadamigo and Ayodele Ore and Tilman Plehn and Jonas Spinner},
journal= {arXiv preprint arXiv:2412.12074},
year = {2026}
}
备注
v1: 31 pages, 4 tables, 15 figures; v2: 31 pages, 4 tables, 16 figures, accepted for publication at SciPost Physics