ترجمه فارسی مقاله از برچسب‌گذاری کوارکی عجیب تا برچسب‌گذاری تکه تکه با یادگیری ماشین

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی From strange-quark tagging to fragmentation tagging with machine learning
عنوان مقاله به فارسی از برچسب‌گذاری کوارکی عجیب تا برچسب‌گذاری تکه تکه با یادگیری ماشین
نویسندگان Yevgeny Kats, Edo Ofir
فرمت مقاله انگلیسی PDF
تعداد صفحات 34
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات High Energy Physics - Phenomenology,High Energy Physics - Experiment,فیزیک انرژی بالا - پدیدارشناسی , فیزیک انرژی بالا - آزمایش ,
توضیحات Submitted 30 August, 2024; v1 submitted 22 August, 2024; originally announced August 2024. , Comments: 33 pages, 18 figures
توضیحات به فارسی ارسال شده در 30 اوت 2024 ؛V1 ارسال شده 22 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: 33 صفحه ، 18 شکل
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

We apply advanced machine learning techniques to two challenging jet classification problems at the LHC. The first is strange-quark tagging, in particular distinguishing strange-quark jets from down-quark jets. The second, which we term fragmentation tagging, involves identifying the fragmentation channel of a quark. We exemplify the latter by training neural networks to differentiate between bottom jets containing a bottom baryon and those containing a bottom meson. The common challenge in these two problems is that neither quark lifetimes and masses nor parton showering provide discriminating tools, making it necessary to rely on differences in the distributions of the hadron types contained in each type of jet and their kinematics. For these classification tasks, we employ variations of Graph Attention Networks and the Particle Transformer, which receive jet and all constituent properties as inputs. We compare their performance to a simple Multilayer Perceptron that uses simple variables. We find that the more sophisticated architectures do not improve $s$-quark versus $d$-quark jet differentiation by a significant amount, but they do lead to a significant gain in $b$-baryon versus $b$-meson jet differentiation.

چکیده به فارسی (ترجمه ماشینی)

ما تکنیک های پیشرفته یادگیری ماشین را برای دو مشکل طبقه بندی جت چالش برانگیز در LHC اعمال می کنیم.اولین برچسب زدن عجیب و غریب است ، به ویژه جت های عجیب و غریب عجیب و غریب را از جت های Quark-Quark متمایز می کند.دوم ، که ما برچسب زدن تکه تکه شدن را می نامیم ، شامل شناسایی کانال تکه تکه شدن یک کوارک است.ما دومی را با آموزش شبکه های عصبی برای تمایز بین جت های پایین حاوی بارون پایین و کسانی که حاوی یک مزون پایین هستند ، مثال می زنیم.چالش متداول در این دو مشکل این است که نه طول عمر کوارک و توده ها و نه دوش گرفتن پارتون ابزارهای تبعیض آمیز را ارائه می دهند ، و این امر باعث می شود که به تفاوت در توزیع انواع هادرون موجود در هر نوع جت و سینماتیک آنها اعتماد کنیم.برای این وظایف طبقه بندی ، ما از تغییرات شبکه های توجه نمودار و ترانسفورماتور ذرات استفاده می کنیم که جت و کلیه خصوصیات تشکیل دهنده را به عنوان ورودی دریافت می کنند.ما عملکرد آنها را با یک Perceptron چند لایه ساده که از متغیرهای ساده استفاده می کند ، مقایسه می کنیم.ما می دانیم که معماری های پیشرفته تر $ S $ -Quark در مقابل $ D $-تمایز جت $ $ با مبلغ قابل توجهی را بهبود نمی بخشد ، اما آنها منجر به سود قابل توجهی در $ B $-Baryon در مقابل $ B $-Meson می شوند.بشر

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.