Copertina

Dissecting Jet-Tagger Through Mechanistic Interpretability

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Rai, Saurabh, Ganguly, Sanmay
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	High Energy Physics - Phenomenology Machine Learning High Energy Physics - Experiment
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Explainable AI for Jet Tagging: A Comparative Study of GNNExplainer, GNNShap, and GradCAM for Jet Tagging in the Lund Jet Plane
di: Patel, Pahal D., et al.
Pubblicazione: (2026)

Economical Jet Taggers -- Equivariant, Slim, and Quantized
di: Petitjean, Antoine, et al.
Pubblicazione: (2025)

Probing SMEFT Operators through $t\bar{t}t\bar{t}$ Production with Hyper-Graph Neural Networks at the LHC
di: Subba, Amir, et al.
Pubblicazione: (2026)

Data-Driven, Geometry-Aware Optimal-Transport Calibration of Flavor Tagger
di: Kim, Yeonjoon, et al.
Pubblicazione: (2026)

Stable and Interpretable Jet Physics with IRC-Safe Equivariant Feature Extraction
di: Konar, Partha, et al.
Pubblicazione: (2025)

The Pareto Frontier of Resilient Jet Tagging
di: Gambhir, Rikab, et al.
Pubblicazione: (2025)

Interpreting Transformers for Jet Tagging
di: Wang, Aaron, et al.
Pubblicazione: (2024)

The Physics Behind ML-based Quark-Gluon Taggers
di: Vent, Sophia, et al.
Pubblicazione: (2025)

Aspen Open Jets: Unlocking LHC Data for Foundation Models in Particle Physics
di: Amram, Oz, et al.
Pubblicazione: (2024)

E-PCN: Jet Tagging with Explainable Particle Chebyshev Networks Using Kinematic Features
di: Islam, Md Raqibul, et al.
Pubblicazione: (2025)

From Information Geometry to Jet Substructure: A Triality of Cumulant Tensors, Energy Correlators, and Hypergraphs
di: Bal, Aritra, et al.
Pubblicazione: (2026)

PCN: A Deep Learning Approach to Jet Tagging Utilizing Novel Graph Construction Methods and Chebyshev Graph Convolutions
di: Semlani, Yash, et al.
Pubblicazione: (2023)

Improving Heavy Dijet Resonance Searches Using Jet Substructure at the LHC
di: Nayak, Aruna Kumar, et al.
Pubblicazione: (2019)

A Step Toward Interpretability: Smearing the Likelihood
di: Larkoski, Andrew J.
Pubblicazione: (2025)

OmniJet-$α_C$: Learning point cloud calorimeter simulations using generative transformers
di: Birk, Joschka, et al.
Pubblicazione: (2025)

Experimental limits on quantum decoherence from $B$ meson systems
di: Alok, Ashutosh Kumar, et al.
Pubblicazione: (2025)

Particle Transformer for Jet Tagging
di: Qu, Huilin, et al.
Pubblicazione: (2022)

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

Jet Rotational Metrics
di: Romero, Alexis, et al.
Pubblicazione: (2023)

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

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

Jet Classification Using High-Level Features from Anatomy of Top Jets
di: Furuichi, Amon, et al.
Pubblicazione: (2023)

Discriminating QCD Compton and Quark-Antiquark Annihilation Processes in $γ$ + Jets Using Interpretable Machine Learning
di: Samal, Monalini, et al.
Pubblicazione: (2026)

BRICKS: Compositional Neural Markov Kernels for Zero-Shot Radiation-Matter Simulation
di: Hildebrandt, Richard, et al.
Pubblicazione: (2026)

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

Jets at electron-positron colliders
di: Stagnitto, Giovanni
Pubblicazione: (2025)

Generative Unfolding of Jets and Their Substructure
di: Petitjean, Antoine, et al.
Pubblicazione: (2025)

EveNet: A Foundation Model for Particle Collision Data Analysis
di: Hsu, Ting-Hsiang, et al.
Pubblicazione: (2026)

T-odd observables from anomalous $tbW$ couplings in single-top production at an $ep$ collider
di: Rindani, Saurabh D.
Pubblicazione: (2024)

Determining the structure of $Hqt$ couplings at the LHC
di: Rindani, Saurabh D.
Pubblicazione: (2024)

TRANSIT your events into a new mass: Fast background interpolation for weakly-supervised anomaly searches
di: Oleksiyuk, Ivan, et al.
Pubblicazione: (2025)

$ν^2$-Flows: Fast and improved neutrino reconstruction in multi-neutrino final states with conditional normalizing flows
di: Raine, John Andrew, et al.
Pubblicazione: (2023)

Anomalies, Representations, and Self-Supervision
di: Dillon, Barry M., et al.
Pubblicazione: (2023)

Generative Unfolding with Distribution Mapping
di: Butter, Anja, et al.
Pubblicazione: (2024)

A Language Model for Particle Tracking
di: Huang, Andris, et al.
Pubblicazione: (2024)

Decorrelation using Optimal Transport
di: Algren, Malte, et al.
Pubblicazione: (2023)

MACK: Mismodeling Addressed with Contrastive Knowledge
di: Sheldon, Liam Rankin, et al.
Pubblicazione: (2024)

SEAL - A Symmetry EncourAging Loss for High Energy Physics
di: Hebbar, Pradyun, et al.
Pubblicazione: (2025)

Learning to Validate Generative Models: a Goodness-of-Fit Approach
di: Cappelli, Pietro, et al.
Pubblicazione: (2025)

Learning Broken Symmetries with Approximate Invariance
di: Nabat, Seth, et al.
Pubblicazione: (2024)