神经嵌入：学习物理数据流形的嵌入
高能物理 - 唯象学
2023-08-02 v2 机器学习
高能物理 - 实验
摘要
在本文中，我们提出一种将具有度量结构的物理数据流形嵌入到具有更简单度量（如欧氏空间与双曲空间）的低维空间的方法。随后我们证明，对于许多应用，它可成为数据分析流程中强有力的一步。利用大型强子对撞机上逐渐更真实的模拟碰撞，我们展示了该嵌入方法学习底层潜结构的能力。借助欧氏空间中的体积概念，我们首次提供了量化对撞机物理中模型无关搜索算法（即异常检测）真实搜索能力的可行方案。最后，我们讨论了本文提出的思路如何用于解决许多实际挑战，这些挑战需要从复杂高维数据集中提取具有物理意义的表示。
引用
@article{arxiv.2208.05484,
title = {Neural Embedding: Learning the Embedding of the Manifold of Physics Data},
author = {Sang Eon Park and Philip Harris and Bryan Ostdiek},
journal= {arXiv preprint arXiv:2208.05484},
year = {2023}
}