Buchumschlag

PanopTag: Simultaneously Tagging All Jets in a Particle Collision Event

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Qureshi, Umar Sohail, Bullard, Brendon, Schwartzman, Ariel
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	High Energy Physics - Phenomenology Data Analysis, Statistics and Probability
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

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

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

Deep Image Reconstruction for Background Subtraction in Heavy-Ion Collisions
von: Qureshi, Umar Sohail, et al.
Veröffentlicht: (2025)

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

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

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

Model-Agnostic Tagging of Quenched Jets in Heavy-Ion Collisions
von: Qureshi, Umar Sohail, et al.
Veröffentlicht: (2024)

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

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

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

Seeing Double: Calibrating Two Jets at Once
von: Gambhir, Rikab, 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)

CNN on `Top': In Search of Scalable & Lightweight Image-based Jet Taggers
von: Baruah, Rajneil, et al.
Veröffentlicht: (2025)

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

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

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

SPARKX: A Software Package for Analyzing Relativistic Kinematics in Collision Experiments
von: Sass, Nils, et al.
Veröffentlicht: (2025)

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

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

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

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)

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

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

Higgs Physics with the XFEL Compton $\boldsymbol{γγ}$ Collider Concept at $\boldsymbol{\sqrt{s}=125}$ GeV
von: Qureshi, Umar Sohail, et al.
Veröffentlicht: (2026)

Double Descent and Overparameterization in Particle Physics Data
von: Vigl, Matthias, et al.
Veröffentlicht: (2025)

Large-Scale Pretraining and Finetuning for Efficient Jet Classification in Particle Physics
von: Zhao, Zihan, et al.
Veröffentlicht: (2024)

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

Robust Anomaly Detection for Particle Physics Using Multi-Background Representation Learning
von: Gandrakota, Abhijith, et al.
Veröffentlicht: (2024)

Masked Particle Modeling on Sets: Towards Self-Supervised High Energy Physics Foundation Models
von: Golling, Tobias, et al.
Veröffentlicht: (2024)

Scalable Multi-Task Learning for Particle Collision Event Reconstruction with Heterogeneous Graph Neural Networks
von: Sutcliffe, William, et al.
Veröffentlicht: (2025)

Flow Annealed Importance Sampling Bootstrap meets Differentiable Particle Physics
von: Kofler, Annalena, et al.
Veröffentlicht: (2024)

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

On the Statistical Interpretation of Discoveries in LHC Data
von: Chekanov, S. V., et al.
Veröffentlicht: (2026)

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

Kitchen Sink Anomaly Detection
von: Das, Ranit, et al.
Veröffentlicht: (2026)

Unfolding without Iterations, Adversaries, or Surrogates
von: Ore, Ayodele, et al.
Veröffentlicht: (2026)

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