هیگز

  • توضیحات :

داده ها با استفاده از شبیه سازی مونت کارلو تولید شده اند. 21 ویژگی اول (ستون های 2-22) ویژگی های سینماتیکی هستند که توسط آشکارسازهای ذرات در شتاب دهنده اندازه گیری می شوند. هفت ویژگی آخر توابع 21 ویژگی اول هستند. اینها ویژگی های سطح بالایی هستند که توسط فیزیکدانان برای کمک به تمایز بین این دو طبقه به دست آمده اند. علاقه به استفاده از روش‌های یادگیری عمیق برای رفع نیاز فیزیکدانان به توسعه دستی چنین ویژگی‌هایی وجود دارد. نتایج معیار با استفاده از درختان تصمیم بیزی از یک بسته فیزیک استاندارد و شبکه های عصبی 5 لایه در مقاله اصلی ارائه شده است.

شکاف مثال ها
'train' 11,000,000
  • ساختار ویژگی :
FeaturesDict({
    'class_label': float32,
    'jet_1_b-tag': float64,
    'jet_1_eta': float64,
    'jet_1_phi': float64,
    'jet_1_pt': float64,
    'jet_2_b-tag': float64,
    'jet_2_eta': float64,
    'jet_2_phi': float64,
    'jet_2_pt': float64,
    'jet_3_b-tag': float64,
    'jet_3_eta': float64,
    'jet_3_phi': float64,
    'jet_3_pt': float64,
    'jet_4_b-tag': float64,
    'jet_4_eta': float64,
    'jet_4_phi': float64,
    'jet_4_pt': float64,
    'lepton_eta': float64,
    'lepton_pT': float64,
    'lepton_phi': float64,
    'm_bb': float64,
    'm_jj': float64,
    'm_jjj': float64,
    'm_jlv': float64,
    'm_lv': float64,
    'm_wbb': float64,
    'm_wwbb': float64,
    'missing_energy_magnitude': float64,
    'missing_energy_phi': float64,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
class_label تانسور float32
jet_1_b-tag تانسور float64
jet_1_eta تانسور float64
jet_1_phi تانسور float64
jet_1_pt تانسور float64
jet_2_b-tag تانسور float64
jet_2_eta تانسور float64
jet_2_phi تانسور float64
jet_2_pt تانسور float64
jet_3_b-tag تانسور float64
jet_3_eta تانسور float64
jet_3_phi تانسور float64
jet_3_pt تانسور float64
jet_4_b-tag تانسور float64
jet_4_eta تانسور float64
jet_4_phi تانسور float64
jet_4_pt تانسور float64
lepton_eta تانسور float64
lepton_pT تانسور float64
lepton_phi تانسور float64
m_bb تانسور float64
m_jj تانسور float64
m_jjj تانسور float64
m_jlv تانسور float64
m_lv تانسور float64
m_wbb تانسور float64
m_wwbb تانسور float64
قدر_انرژی_غایب تانسور float64
کمبود_انرژی_فی تانسور float64
  • نقل قول :
@article{Baldi:2014kfa,
      author         = "Baldi, Pierre and Sadowski, Peter and Whiteson, Daniel",
      title          = "{Searching for Exotic Particles in High-Energy Physics
                        with Deep Learning}",
      journal        = "Nature Commun.",
      volume         = "5",
      year           = "2014",
      pages          = "4308",
      doi            = "10.1038/ncomms5308",
      eprint         = "1402.4735",
      archivePrefix  = "arXiv",
      primaryClass   = "hep-ph",
      SLACcitation   = "%%CITATION = ARXIV:1402.4735;%%"
}
،

  • توضیحات :

داده ها با استفاده از شبیه سازی مونت کارلو تولید شده اند. 21 ویژگی اول (ستون های 2-22) ویژگی های سینماتیکی هستند که توسط آشکارسازهای ذرات در شتاب دهنده اندازه گیری می شوند. هفت ویژگی آخر توابع 21 ویژگی اول هستند. اینها ویژگی های سطح بالایی هستند که توسط فیزیکدانان برای کمک به تمایز بین این دو طبقه به دست آمده اند. علاقه به استفاده از روش‌های یادگیری عمیق برای رفع نیاز فیزیکدانان به توسعه دستی چنین ویژگی‌هایی وجود دارد. نتایج معیار با استفاده از درختان تصمیم بیزی از یک بسته فیزیک استاندارد و شبکه های عصبی 5 لایه در مقاله اصلی ارائه شده است.

شکاف مثال ها
'train' 11,000,000
  • ساختار ویژگی :
FeaturesDict({
    'class_label': float32,
    'jet_1_b-tag': float64,
    'jet_1_eta': float64,
    'jet_1_phi': float64,
    'jet_1_pt': float64,
    'jet_2_b-tag': float64,
    'jet_2_eta': float64,
    'jet_2_phi': float64,
    'jet_2_pt': float64,
    'jet_3_b-tag': float64,
    'jet_3_eta': float64,
    'jet_3_phi': float64,
    'jet_3_pt': float64,
    'jet_4_b-tag': float64,
    'jet_4_eta': float64,
    'jet_4_phi': float64,
    'jet_4_pt': float64,
    'lepton_eta': float64,
    'lepton_pT': float64,
    'lepton_phi': float64,
    'm_bb': float64,
    'm_jj': float64,
    'm_jjj': float64,
    'm_jlv': float64,
    'm_lv': float64,
    'm_wbb': float64,
    'm_wwbb': float64,
    'missing_energy_magnitude': float64,
    'missing_energy_phi': float64,
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
class_label تانسور float32
jet_1_b-tag تانسور float64
jet_1_eta تانسور float64
jet_1_phi تانسور float64
jet_1_pt تانسور float64
jet_2_b-tag تانسور float64
jet_2_eta تانسور float64
jet_2_phi تانسور float64
jet_2_pt تانسور float64
jet_3_b-tag تانسور float64
jet_3_eta تانسور float64
jet_3_phi تانسور float64
jet_3_pt تانسور float64
jet_4_b-tag تانسور float64
jet_4_eta تانسور float64
jet_4_phi تانسور float64
jet_4_pt تانسور float64
lepton_eta تانسور float64
lepton_pT تانسور float64
lepton_phi تانسور float64
m_bb تانسور float64
m_jj تانسور float64
m_jjj تانسور float64
m_jlv تانسور float64
m_lv تانسور float64
m_wbb تانسور float64
m_wwbb تانسور float64
قدر_انرژی_غایب تانسور float64
کمبود_انرژی_فی تانسور float64
  • نقل قول :
@article{Baldi:2014kfa,
      author         = "Baldi, Pierre and Sadowski, Peter and Whiteson, Daniel",
      title          = "{Searching for Exotic Particles in High-Energy Physics
                        with Deep Learning}",
      journal        = "Nature Commun.",
      volume         = "5",
      year           = "2014",
      pages          = "4308",
      doi            = "10.1038/ncomms5308",
      eprint         = "1402.4735",
      archivePrefix  = "arXiv",
      primaryClass   = "hep-ph",
      SLACcitation   = "%%CITATION = ARXIV:1402.4735;%%"
}