AI与世界难题 · 物理学 · arXiv · 2026-10-21
这就是 SParTA:一种用于喷注标记的模块化、高效且可扩展的 Transformer 架构
原标题: This is SParTA: A modular, efficient and scalable transformer architecture for jet-tagging
高能对撞机中的喷注标记面临对所有喷注组分进行完全自注意力所带来的二次方内存开销。SParTA 仅对按横向动量降序排列的 N 个最硬组分应用二次交互注意力，并通过线性交叉注意力整合其余软组分，同时根据四动量动态计算成对特征。一个 300K 参数的模型在夸克-胶子标记上达到 92.02% 的 AUC 和 85.06% 的准确率，以仅七分之一的参数量比肩 2.14M 参数的 Particle Transformer，并在 30% 信号效率下的背景排斥率上比 IAFormer 高出 21%；而在增强顶夸克喷注标记上，它以 511K 参数胜过 ParT 和 ParticleNet。