CNN on `Top': In Search of Scalable & Lightweight Image-based Jet Taggers

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Baruah, Rajneil, Mondal, Subhadeep, Patra, Sunando Kumar, Roy, Satyajit
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	High Energy Physics - Phenomenology Computational Physics Data Analysis, Statistics and Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Probing intractable beyond-standard-model parameter spaces armed with Machine Learning
von: Baruah, Rajneil, et al.
Veröffentlicht: (2024)

Normalizing Flow-Assisted Nested Sampling on Type-II Seesaw Model
von: Baruah, Rajneil, et al.
Veröffentlicht: (2025)

Amortized Inference of Multi-Modal Posteriors using Likelihood-Weighted Normalizing Flows
von: Baruah, Rajneil
Veröffentlicht: (2025)

Exploring the BSM parameter space with Neural Network aided Simulation-Based Inference
von: Chatterjee, Atrideb, et al.
Veröffentlicht: (2025)

PanopTag: Simultaneously Tagging All Jets in a Particle Collision Event
von: Qureshi, Umar Sohail, et al.
Veröffentlicht: (2026)

The Fundamental Limit of Jet Tagging
von: Geuskens, Joep, et al.
Veröffentlicht: (2024)

Seeing Double: Calibrating Two Jets at Once
von: Gambhir, Rikab, et al.
Veröffentlicht: (2024)

Jet Tagging with More-Interaction Particle Transformer
von: Wu, Yifan, et al.
Veröffentlicht: (2024)

Jet flavor tagging with Particle Transformer for Higgs factories
von: Suehara, Taikan, et al.
Veröffentlicht: (2026)

Classifier Surrogates: Sharing AI-based Searches with the World
von: Bieringer, Sebastian, et al.
Veröffentlicht: (2024)

Exploring Scotogenic Parameter Spaces and Mapping Uncharted Dark Matter Phenomenology with Multi-Objective Search Algorithms
von: de Souza, Fernando Abreu, et al.
Veröffentlicht: (2025)

Searching for Anomalies with Foundation Models
von: Mikuni, Vinicius, et al.
Veröffentlicht: (2026)

Particle Transformer for Jet Tagging
von: Qu, Huilin, et al.
Veröffentlicht: (2022)

Interpreting Transformers for Jet Tagging
von: Wang, Aaron, et al.
Veröffentlicht: (2024)

Learning Symmetry-Independent Jet Representations via Jet-Based Joint Embedding Predictive Architecture
von: Katel, Subash, et al.
Veröffentlicht: (2024)

SURFing to the Fundamental Limit of Jet Tagging
von: Pang, Ian, et al.
Veröffentlicht: (2025)

Neural Scaling Laws for Jet Generation
von: Amram, Oz, et al.
Veröffentlicht: (2026)

Accelerating Resonance Searches via Signature-Oriented Pre-training
von: Li, Congqiao, et al.
Veröffentlicht: (2024)

Neural Scaling Laws for Boosted Jet Tagging
von: Vigl, Matthias, et al.
Veröffentlicht: (2026)

The Intrinsic Dimension of Collider Events and Model-Independent Searches in 100 Dimensions
von: D'Agnolo, Raffaele Tito, et al.
Veröffentlicht: (2025)

Jet Image Tagging Using Deep Learning: An Ensemble Model
von: Bassa, Juvenal, et al.
Veröffentlicht: (2025)

Signal model parameter scan using Normalizing Flow
von: Saito, Masahiko, et al.
Veröffentlicht: (2024)

The role of the Look Elsewhere Effect in determining the significance of an oscillation disappearance search for a light sterile neutrino
von: Ranucci, Gioacchino
Veröffentlicht: (2024)

Variance Reduction via Simultaneous Importance Sampling and Control Variates Techniques Using Vegas
von: Shyamsundar, Prasanth, et al.
Veröffentlicht: (2023)

QCD in Language Models: What do they really know about QCD?
von: Sulc, Antonin, et al.
Veröffentlicht: (2025)

OmniJet-$α$: The first cross-task foundation model for particle physics
von: Birk, Joschka, et al.
Veröffentlicht: (2024)

Cross-Domain Transfer with Particle Physics Foundation Models: From Jets to Neutrino Interactions
von: Krzmanc, Gregor, et al.
Veröffentlicht: (2026)

Flow Matching Beyond Kinematics: Generating Jets with Particle-ID and Trajectory Displacement Information
von: Birk, Joschka, et al.
Veröffentlicht: (2023)

A Quantum Algorithm for Model-Independent Searches for New Physics
von: Matchev, Konstantin T., et al.
Veröffentlicht: (2020)

The Interplay of Machine Learning--based Resonant Anomaly Detection Methods
von: Golling, Tobias, et al.
Veröffentlicht: (2023)

Event-by-event Comparison between Machine-Learning- and Transfer-Matrix-based Unfolding Methods
von: Backes, Mathias, et al.
Veröffentlicht: (2023)

Combining Evolutionary Strategies and Novelty Detection to go Beyond the Alignment Limit of the $Z_3$ 3HDM
von: Romão, Jorge Crispim, et al.
Veröffentlicht: (2024)

On Focusing Statistical Power for Searches and Measurements in Particle Physics
von: Carzon, James, et al.
Veröffentlicht: (2025)

EggNet: An Evolving Graph-based Graph Attention Network for Particle Track Reconstruction
von: Calafiura, Paolo, et al.
Veröffentlicht: (2024)

Graph theory inspired anomaly detection at the LHC
von: Araz, Jack Y., et al.
Veröffentlicht: (2025)

FlexCAST: Enabling Flexible Scientific Data Analyses
von: Nachman, Benjamin, et al.
Veröffentlicht: (2025)

Isolating Unisolated Upsilons with Anomaly Detection in CMS Open Data
von: Gambhir, Rikab, et al.
Veröffentlicht: (2025)

Unbinned inclusive cross-section measurements with machine-learned systematic uncertainties
von: Benato, Lisa, et al.
Veröffentlicht: (2025)

Double Metric Learning for Building Directed Graphs with Chain Connections for the ATLAS ITk Detector
von: Chan, Jay
Veröffentlicht: (2026)

Why Is Attention Sparse In Particle Transformer?
von: Legge, Timothy, et al.
Veröffentlicht: (2025)