10:46
官方账号arXiv cs.AI@Raphaël Bonnet-Guerrini, Johann Ioannou-Nikolaides, Inar Timiryasov, Vincenzo Piuri
推荐理由：这篇论文展示了如何利用稀疏自编码器在ν中微子基础模型中寻找可解释的潜在表示，这对于理解模型的内部工作原理和设计下游任务非常有帮助。与传统的方向头相比，这种新的不确定性头在预测角重建误差方面表现出色。
ν中微子基础模型
共 1 条相关 AI 资讯
8月27日
10:46
本研究首次将稀疏自编码器机制可解释性应用于粒子物理学。通过研究在IceCube数据上预训练并针对方向重建微调的ν中微子基础模型，我们使用严格的验证协议（包括保留测试、匹配干扰控制和独立字典训练的复制）识别了模型表示中的验证物理概念图。因果干预表明，方向头几乎没有利用这个图。受此未充分利用的信息启发，我们在同一事件级表示上训练了一个不确定性头，以预测模型的角重建误差。与方向头不同，它因果依赖于图中的质量和亮度特征。在20%的选择效率下，这个可解释估计器将中值角分辨率从20.2°提高到3.2°。这些结果表明，机制可解释性可以揭示模型内部表示中编码的学到的潜在物理，并有助于设计利用它的下游任务。