یافتن و استفاده از متغیرهای پنهان قابل تفسیر در یک مدل بنیادی نوترونی با خودکارگذارهای پراکنده

اخترفیزیک > پدیده‌های اخترفیزیکی با انرژی بالا arXiv:2608.26090v1 (astro-ph) [ارسال شده در ۲۶ اوت ۲۰۲۶] عنوان: شناسایی و استفاده از لایه‌های قابل‌تفسیر در یک مدل پایه‌ای نوترینیویی با استفاده از خودکدکنندهٔ پراکنده نویسندگان: رافائيل بونِت-گِرینی، یوهان ایوانو-نیکولایدس، اینار تیمیریاوسوف، وینچنزو پیوری مشاهده PDF مقاله با عنوان «شناسایی و استفاده از لایه‌های قابل‌تفسیر در یک مدل پایه‌ای نوترینیویی با استفاده از خودکدکنندهٔ پراکنده» نوشته رافائيل بونِت-گِرینی و سه نویسنده دیگر را مشاهده کنید. مشاهده PDF HTML (آزمایشی) چکیده: ما اولین کاربرد تفسیر مکانیسمی مبتنی بر خودکدکنندهٔ پراکنده را در فیزیک ذرات ارائه می‌دهیم. با بررسی یک مدل پایه‌ای نوترینیویی که بر روی داده‌های IceCube پیش‌آموزش دیده و جهت بازسازی جهت‌یابی تنظیم شده است، و با استفاده از یک پروتکل اعتبارسنجی دقیق شامل آزمون‌های جداگانه، کنترل‌های هم‌خوانی با نویز و تکرار در آموزش‌های مستقل دیکشنری، یک اطلس تأییدشده از مفاهیم فیزیکی را در نمایش-model شناسایی می‌کنیم. مداخلات علّی نشان می‌دهد که سر جهت‌یابی به سختی از این اطلس استفاده می‌کند. الهام گرفته از این اطلاعات کم‌استفاده، یک سر عدم‌اطمینان بر روی همان نمایش رویداد برای پیش‌بینی خطای بازسازی زاویه‌ای مدل آموزش می‌دهیم. برخلاف سر جهت‌یابی، این سر به‌طور علّی به ویژگی‌های کیفیت و درخشندگی از اطلس وابسته است. با کارایی انتخاب ۲۰٪، این برآوردکنندهٔ قابل‌تفسیر، میانگین رزولوشن زاویه‌ای را از ۲۰.۲ درجه به ۳.۲ درجه بهبود می‌بخشد. این نتایج نشان می‌دهد که تفسیر مکانیسمی می‌تواند فیزیک نهفته‌آموخته را در نمایش داخلی-model آشکار کند و در طراحی وظایف پایین‌دستی که از آن بهره می‌برند، کمک کند. موضوعات: پدیده‌های اخترفیزیکی با انرژی بالا (astro-ph.HE)؛ هوش مصنوعی (cs.AI)؛ یادگیری ماشین (cs.LG)؛ فیزیک ذرات با انرژی بالا - آزمایشی (hep-ex) استناد: arXiv:2608.26090 [astro-ph.HE] (یا arXiv:2608.26090v1 [astro-ph.HE] برای این نسخه) https://doi.org/10.48550/arXiv.2608.26090 برای کسب اطلاعات بیشتر به داتاسیت مراجعه کنید (DOI صادرشده توسط arXiv، در انتظار ثبت‌نام) تاریخچه ارسال از: رافائيل بونِت-گِرینی [مشاهده ایمیل] [v1] چهارشنبه، ۲۶ اوت ۲۰۲۶، ۱۷:۵۳:۰۰ UTC (۵۵۷ کیلوبایت) ابزارهای کتاب‌شناسی ابزارهای کتاب‌شناسی و استناد جستجوی کتاب‌شناسی فعال‌سازی جستجوی کتاب‌شناسی (جستجوگر چیست؟) مقالات مرتبط فعال‌سازی مقالات مرتبط (مقالات مرتبط چیست؟) لیت‌مپس فعال‌سازی لیت‌مپس (لیت‌مپس چیست؟) scite.ai فعال‌سازی استنادهای هوشمند scite (استنادهای هوشمند چیست؟) کد، داده و رسانه کد، داده و رسانه مرتبط با این مقاله آلفاواوکس فعال‌سازی آلفاواوکس (آلفاواوکس چیست؟) لینک‌های کد فعال‌سازی CatalyzeX Code Finder for Papers (CatalyzeX چیست؟) داگ‌هاب فعال‌سازی داگ‌هاب (داگ‌هاب چیست؟) گاتیت‌تاب فعال‌سازی گاتیت.پاب (گاتیت‌پاب چیست؟) هوگینگ‌فیس فعال‌سازی هوگینگ فیس (هویگینگ‌فیس چیست؟) ساینس‌کست فعال‌سازی ساینس‌کست (ساینس‌کست چیست؟) دموها دموهای رپلیکیت فعال‌سازی رپلیکیت (رپلیکیت چیست؟) اسپیس‌ها فعال‌سازی اسپیس‌های هوگینگ فیس (اسپیس‌ها چیست؟) اسپیس‌ها فعال‌سازی TXYZ.AI (TXYZ.AI چیست؟) مقالات مرتبط توصیه‌کننده‌ها و ابزارهای جستجو لینک به