L-GATr模型在大型强子对撞机任务中表现卓越，具备洛伦兹协变性。
A Lorentz-Equivariant Transformer for All of the LHC
- 用几何代数表示时空数据，保持洛伦兹协变性
- 在幅度回归、喷注分类和生成任务中均超越以往模型
- 适合高能物理中需处理时空对称性的研究者
我们证明，洛伦兹协变几何代数变压器（L-GATr）在大型强子对撞机（LHC）的多种机器学习任务中达到当前最优性能。L-GATr 在时空的几何代数空间中表示数据，并在洛伦兹变换下保持协变性。其基础架构为通用且可扩展的Transformer，可根据需要打破对称性。我们展示了L-GATr在幅度回归与喷注分类中的强大能力，并首次将其作为洛伦兹协变生成网络进行基准测试。在所有三项LHC任务中，其性能均显著优于先前架构。
原文摘要 · Abstract (English)
We show that the Lorentz-Equivariant Geometric Algebra Transformer (L-GATr) yields state-of-the-art performance for a wide range of machine learning tasks at the Large Hadron Collider. L-GATr represents data in a geometric algebra over space-time and is equivariant under Lorentz transformations. The underlying architecture is a versatile and scalable transformer, which is able to break symmetries if needed. We demonstrate the power of L-GATr for amplitude regression and jet classification, and then benchmark it as the first Lorentz-equivariant generative network. For all three LHC tasks, we find significant improvements over previous architectures.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。