基于双注意力 Transformer 的夸克/胶子判别与顶夸克标记

喷注标记是高能物理中一项关键的分类任务。近年来，深度学习技术的应用显著提升了喷注标记的性能。在本研究中，我们引入了一种用于喷注标记的新架构：粒子双注意力 Transformer（P-DAT）。这种新颖的 Transformer 架构同时捕获全局与局部信息，且保持计算效率，从而脱颖而出。在自注意力机制方面，我们将已建立的粒子间注意力机制扩展至涵盖粒子特征间的注意力机制。粒子注意力模块计算所有粒子间的粒子级交互，而通道注意力模块计算粒子特征间的注意力分数，通过考虑所有粒子自然地捕获喷注级交互。这两种注意力机制可互为补充。此外，我们在注意力机制中同时纳入了成对粒子交互与成对喷注特征交互。我们在经典的顶夸克标记和夸克-胶子判别任务中展示了 P-DAT 架构的有效性，相较于其他基准策略取得了具有竞争力的性能。