PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.21790v1cs.LG

로렌츠 등변 제트 태거는 무엇을 학습하는가?

What Do Lorentz-Equivariant Jet Taggers Learn?

로렌츠 등변 제트 태거가 내부적으로 무엇을 학습하는지, L-GATr, L-GATr-slim, LLoCa-T를 포함한 다섯 개 모델에 대해 등변성 테스트, 선형 프로브(linear probe), grade 소거를 통해 조사하였다. 선형 프로브는 등변 모델이 기준계에 의존하는 의사빠르기(pseudorapidity)를 0으로 억압하면서 제트 질량과 N-subjettiness를 강하게 인코딩함을 보여준다. L-GATr에 대한 grade 소거는 top 쿼크 태깅에서 이벌렉터(bivector) 채널은 무시할 만한 반면, 벡터형 채널은 지배적이지만 시드(seed)에 따라 달라짐을 밝히며, 이는 네트워크가 여러 표현 경로를 활용하고 있음과 일치한다. 이러한 결과는 등변 태거에서 어떤 물리적 특징과 대수적 grade 구조가 판별 정보를 담는지 특성화하며, 향후 이러한 모델의 개발에 기여할 수 있다.

arXiv:2606.17500v1cs.LG

재구성 가능 컴퓨팅 챌린지: Versal AI 엔진에서의 제트 태깅 트랜스포머

Reconfigurable Computing Challenge: Transformer for Jet Tagging on Versal AI Engines

트랜스포머 기반 모델은 CERN LHC에서 제트 태깅을 위해 강력한 성능을 발휘하지만, 저지연이 요구되고 자원이 제약된 트리거 시스템에 이를 배포하는 것은 어렵습니다. 우리는 AMD Versal AI 엔진(AIE)에서 제트 태깅을 위한 양자화된 정수 전용 트랜스포머의 초기 구현을 제시하며, 밀집(dense) 및 멀티 헤드 어텐션(MHA) 레이어를 AIE 타일에 매핑했습니다. 주요 기여는 트랜스포머 레이어를 구성 가능한 AIE 빌딩 블록으로 표현하고, 고수준 Python 모델 설명으로부터 해당 Vitis 그래프 코드를 자동으로 생성하는 재사용 가능한 소프트웨어 프레임워크입니다. 이 프레임워크는 향후 연구를 위한 기반을 제공하며, https://github.com/KastnerRG/particle_transformer_aie에서 오픈 소스 소프트웨어로 공개되었습니다.