Réseau de marquage de jets optimisé assisté par une structure de picot de jet

Les modèles de transformateurs basés sur l'attention sont devenus de plus en plus répandus dans l'analyse des collisionneurs, offrant des performances améliorées pour des tâches telles que le marquage de jets. Cependant, ils sont intensifs en calcul et nécessitent des données substantielles pour l'entraînement. Dans cet article, nous introduisons un nouveau réseau de classification de jets utilisant un MLP mixer, où deux opérations MLP successives servent à transformer les particules et les jetons de caractéristiques sur les constituants du jet. Les particules transformées sont combinées avec les informations de sujet secondaire à l'aide d'une attention croisée multi-tête, de sorte que le réseau soit invariant sous la permutation des constituants du jet. Nous utilisons deux algorithmes de regroupement pour identifier les sujets secondaires : les algorithmes de recombination séquentiels standards avec des paramètres de rayon fixes et un nouvel algorithme basé sur la densité, sécurisé IRC, avec des rayons dynamiques basé sur HDBSCAN. Le réseau proposé démontre des performances de classification comparables à celles des modèles à la pointe de la technologie tout en augmentant l'efficacité computationnelle de manière drastique. Enfin, nous évaluons les performances du réseau à l'aide de diverses méthodes interprétables, y compris l'alignement de noyau centré et les cartes d'attention, pour mettre en évidence l'efficacité du réseau dans les tâches d'analyse des collisionneurs.