国产三级精品三级在线观看,国产高清无码在线观看,中文字幕日本人妻久久久免费,亚洲精品午夜无码电影网

IF=31.068！Nat. Rev. Phys.概述可解釋機(jī)器學(xué)習(xí)在粒子物理學(xué)中的應(yīng)用！

機(jī)器學(xué)習(xí)（ML）方法在粒子物理學(xué)中具有廣泛應(yīng)用，但沒有可解釋性就不能保證算法學(xué)習(xí)的結(jié)果是正確/穩(wěn)健的。開發(fā)可解釋的ML/AI方法是為了消除多變量分析的黑箱問題，然而物理學(xué)中可解釋AI的曙光主要?dú)w結(jié)為解釋神經(jīng)網(wǎng)絡(luò)如何分析實(shí)驗(yàn)數(shù)據(jù)，而不是轉(zhuǎn)向更可解釋的ML框架，這有助于更好地理解ML模型的動力學(xué)并在隨后的分析中建立信心。

在此，德國電子同步加速器（DESY）研究中心/洪堡大學(xué)Ayan Paul等人概述了如何將可解釋性引入粒子物理學(xué)中常用的ML方法。其中，用于對科學(xué)數(shù)據(jù)中的非線性關(guān)系進(jìn)行建模的兩個最常見的ML框架是決策樹和神經(jīng)網(wǎng)絡(luò)。決策樹易于解釋，但不如神經(jīng)網(wǎng)絡(luò)強(qiáng)大。相反，在給定噪聲數(shù)據(jù)的情況下，神經(jīng)網(wǎng)絡(luò)的泛化效果要好得多，但其參數(shù)無法提供任何關(guān)于輸入變量與輸出變量如何連接的洞察力。

此外，處理更復(fù)雜的數(shù)據(jù)集需要增加模型的復(fù)雜性，但這樣做會導(dǎo)致其可解釋性下降。為了重新引入訓(xùn)練模型的可解釋性元素，研究人員提出了事后方法來檢查ML模型并嘗試找出做出決策的原因。這些方法大致分為兩類：（1）根據(jù)輸入變量解釋每個結(jié)果的局部方法；（2）全局方法，將模型解釋為一個整體并確定整體“變量重要性”，從而構(gòu)建輸入變量在確定輸出中的重要性層次結(jié)構(gòu)。

圖1. ML模型準(zhǔn)確性-可解釋性之間的權(quán)衡

進(jìn)一步，作者以測量希格斯粒子與底部夸克的湯川耦合為例說明了可解釋分析在粒子物理學(xué)中的應(yīng)用。這種測量面臨的挑戰(zhàn)是從運(yùn)動學(xué)相似的背景中提取極小的信號，而基于運(yùn)動學(xué)切割的傳統(tǒng)方法無法分離這些信號。ML（增強(qiáng)決策樹，BDT）模型使任務(wù)更可行，但代價是分析不透明。然而，動力學(xué)可通過使用Shapley值來解釋BDT并將重要性層次分配給變量來理解。此外，本文中關(guān)注的是變量重要性方面，但更有挑戰(zhàn)性的主題如誤差傳播、模型魯棒性和建立物理模型也需要關(guān)注。

作者認(rèn)為：貝葉斯推理和ML的協(xié)同作用可實(shí)現(xiàn)對模型參數(shù)和預(yù)測的誤差估計；模型魯棒性的理解可幫助避免在模型訓(xùn)練的參數(shù)空間附近的錯誤預(yù)測，進(jìn)而實(shí)現(xiàn)更好的泛化；建立與物理相關(guān)的模型可建立更可靠的系統(tǒng)動力學(xué)模型，從而預(yù)測控制系統(tǒng)的基本規(guī)律。總之，本文提供了一個初學(xué)者指南，用于構(gòu)建粒子物理領(lǐng)域可解釋的多變量分析模型。

圖2. 粒子物理學(xué)領(lǐng)域可解釋性分析的簡單舉例

Lessons on interpretable machine learning from particle physics, Nature Reviews Physics 2022. DOI: 10.1038/s42254-022-00456-0

原創(chuàng)文章，作者：v-suan，如若轉(zhuǎn)載，請注明來源華算科技，注明出處：http://m.xiubac.cn/index.php/2023/10/13/303f2ebf27/

国产三级精品三级在线观看,国产高清无码在线观看,中文字幕日本人妻久久久免费,亚洲精品午夜无码电影网

IF=31.068！Nat. Rev. Phys.概述可解釋機(jī)器學(xué)習(xí)在粒子物理學(xué)中的應(yīng)用！

相關(guān)推薦