PELICAN：用于粒子物理的置换等变与洛伦兹不变或协变聚合网络
高能物理 - 唯象学
2022-12-27 v2 机器学习
高能物理 - 实验
摘要
当前粒子物理中许多机器学习方法使用通用架构，需要大量参数且忽视基础物理原理，限制了其作为科学建模工具的适用性。在这项工作中，我们提出了一种机器学习架构，其使用相对于完整6维洛伦兹对称性最大约化的一组输入，并且在整个过程中完全置换等变。我们研究了该网络架构在顶夸克标记标准任务上的应用，并表明所得网络尽管模型复杂度低得多，却优于所有现有竞争者。此外，我们给出了同一网络的洛伦兹协变变体，应用于4-动量回归任务。
引用
@article{arxiv.2211.00454,
title = {PELICAN: Permutation Equivariant and Lorentz Invariant or Covariant Aggregator Network for Particle Physics},
author = {Alexander Bogatskiy and Timothy Hoffman and David W. Miller and Jan T. Offermann},
journal= {arXiv preprint arXiv:2211.00454},
year = {2022}
}