二进制junipr:一种可解释的歧视概率模型

junipr是一种在粒子物理学中进行无监督学习的方法,该方法围绕射流表示为二叉树的方式建立了射流的概率模型。 可以针对不同事件或喷气机类型学习单独的瞻博网络模型,然后进行比较和探索以获取物理洞察力。 相对概率也可以用于判别。 在这封信中,我们展示了如何在分类的上下文中优化单独模型的训练以优化区分能力。 我们将这种改进的方法称为二进制junipr。 二进制junipr实现了最新的夸克胶区分和顶部标记性能。 然后可以分析训练有素的模型,以提供有关如何实现分类的物理见解。 作为示例,我们探讨了夸克和胶子射流之间以及通过两种不同模拟生成的胶子射流之间的差异。