Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2412.00129v2

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:2412.00129v2 (cs)
[提交于 2024年11月28日 (v1) ,最后修订 2024年12月10日 (此版本, v2)]

标题: 缩放粒子碰撞数据分析

标题: Scaling Particle Collision Data Analysis

Authors:Hengkui Wu, Panpan Chi, Yongfeng Zhu, Liujiang Liu, Shuyang Hu, Yuexin Wang, Chen Zhou, Qihao Wang, Yingsi Xin, Bruce Liu, Dahao Liang, Xinglong Jia, Manqi Ruan
摘要: 几十年来,研究人员已经开发了任务特定的模型,以解决跨不同学科的科学挑战。 最近,大型语言模型(LLMs)在处理通用任务方面表现出巨大的能力;然而,这些模型在解决现实世界的科学问题时遇到了困难,特别是在涉及大规模数值数据分析的领域,如实验高能物理。 这种限制主要是由于BPE分词方法在数值数据上的无效性。 在本文中,我们提出了一种任务无关的架构BBT-Neutron,该架构采用二进制分词方法,以促进在文本和大规模数值实验数据混合数据上的预训练。 我们展示了BBT-Neutron在喷注起源识别(JoI)中的应用,这是高能物理中一个关键的分类挑战,用于区分来自不同夸克或胶子的喷注。 我们的结果表明,BBT-Neutron的性能与最先进的任务特定JoI模型相当。 此外,我们研究了BBT-Neutron性能随着数据量增加的扩展行为,表明BBT-Neutron有可能作为粒子物理数据分析的基础模型,并可能扩展到广泛科学计算应用,包括大科学实验、工业制造和空间计算。 该项目代码可在https://github.com/supersymmetry-technologies/bbt-neutron获取。
摘要: For decades, researchers have developed task-specific models to address scientific challenges across diverse disciplines. Recently, large language models (LLMs) have shown enormous capabilities in handling general tasks; however, these models encounter difficulties in addressing real-world scientific problems, particularly in domains involving large-scale numerical data analysis, such as experimental high energy physics. This limitation is primarily due to BPE tokenization's inefficacy with numerical data. In this paper, we propose a task-agnostic architecture, BBT-Neutron, which employs a binary tokenization method to facilitate pretraining on a mixture of textual and large-scale numerical experimental data. We demonstrate the application of BBT-Neutron to Jet Origin Identification (JoI), a critical categorization challenge in high-energy physics that distinguishes jets originating from various quarks or gluons. Our results indicate that BBT-Neutron achieves comparable performance to state-of-the-art task-specific JoI models. Furthermore, we examine the scaling behavior of BBT-Neutron's performance with increasing data volume, suggesting the potential for BBT-Neutron to serve as a foundational model for particle physics data analysis, with possible extensions to a broad spectrum of scientific computing applications for Big Science experiments, industrial manufacturing and spacial computing. The project code is available at https://github.com/supersymmetry-technologies/bbt-neutron.
主题: 机器学习 (cs.LG) ; 高能物理 - 实验 (hep-ex); 数据分析、统计与概率 (physics.data-an)
引用方式: arXiv:2412.00129 [cs.LG]
  (或者 arXiv:2412.00129v2 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.2412.00129
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Panpan Chi [查看电子邮件]
[v1] 星期四, 2024 年 11 月 28 日 13:32:56 UTC (24,502 KB)
[v2] 星期二, 2024 年 12 月 10 日 01:46:31 UTC (8,084 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.LG
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-12
切换浏览方式为:
cs
hep-ex
physics
physics.data-an

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号