跳到正文
热点事件持续更新

ShellFlow 模型内部发现 Z 玻色子共振特征

1 篇报道1 个报道来源16 小时前更新

先了解这件事

AI 综述

2026年11月20日,研究者发表基于 arXiv(cs.lg)的研究,利用机制可解释性方法分析在 LHC 数据上训练的生成式模型 ShellFlow。该模型通过未标记数据训练,内部发现了代表 Z、J/psi 等共振的神经元特征。 这些特征通过网络梯度构建,并采用模式识别方法优化其选择性,旨在实现对物理量的内部修改。研究表明,仅需未标记数据训练的生成式粒子物理模型,即可通过内部修改改变 Z 玻色子质量等物理属性。

AI 根据报道生成 · 15 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · ML
    ShellFlow 神经网络内部揭示 Z 玻色子共振特征

    研究者利用机制可解释性方法,在基于 LHC 数据训练的生成式模型 ShellFlow 中发现了代表 Z、J/psi 等共振的神经元特征。 这些特征是通过网络梯度构建,并采用模式识别方法优化其选择性,用于改变物理量的内部修改。 该研究表明,仅通过未标记数据训练的生成式粒子物理模型,可在内部修改以改变 Z 玻色子质量等物理属性。

本事件热度走势

可比范围当前
6
可比范围峰值
1011月20日 14:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。