Lorentz-Equivariant Geometric Algebra Transformers for High-Energy Physics

从粒子物理实验中提取科学理解需要解决多种高精度和良好数据效率的学习问题。我们提出了洛伦兹几何代数变换器(L-GATr)，这是一种新的高能物理多用途架构。L-GATr将高能数据表示为四维时空上的几何代数，并在相对论运动学的对称群——洛伦兹变换下具有等变性。同时，该架构是一种Transformer，使其具有通用性和可扩展性，适用于大型系统。L-GATr首先在粒子物理的回归和分类任务上进行了演示。然后，我们构建了第一个洛伦兹等变生成模型：一种基于L-GATr网络的连续归一化流，使用黎曼流匹配进行训练。在我们的实验中，L-GATr与或优于强领域特定基线相当。

L-GATr旨在解决粒子物理实验中多样的学习问题，需要高精度和良好的数据效率。同时，它也是第一个Lorentz等变生成模型。

L-GATr使用四维时空中的几何代数表示高能数据，并且在洛伦兹变换下等变，同时它也是一个Transformer架构，使其具有通用性和可扩展性。

论文展示了L-GATr在粒子物理的回归和分类任务上的表现，并构建了第一个Lorentz等变生成模型。L-GATr在实验中表现出与强领域特定基线相当或优于其的性能。

最近的相关研究包括《Deep Learning for Particle Physics》、《Particle Physics and Machine Learning》等。