تم تقديم بنية IAFormer، القائمة على نموذج Transformer، والتي تدمج بفعالية تفاعلات الجسيمات الزوجية من خلال آلية الانتباه المتفرق الديناميكية. على عكس النماذج السابقة، تُبنى مصفوفة الانتباه على أساس كميات ثنائية محددة مسبقاً وثابتة تحت تحويلات لورنتز، مما يقلل عدد المعاملات بشكل كبير. الابتكار الثاني هو "الانتباه التفاضلي"، الذي يسمح بتحديد أولويات رموز الجسيمات ذات الصلة ديناميكياً وخفض التكاليف الحسابية للرموز قليلة المعلومات. بفضل ذلك، ينخفض تعقيد النموذج بمقدار كبير مقارنة بـ Particle Transformer دون فقدان الدقة: يحقق IAFormer نتائج متقدمة في مهام التصنيف على مجموعات بيانات الكواركات القمية ونفاثات الكوارك-غلوون. يؤكد تحليل قابلية التفسير أن النموذج يستخرج معلومات ذات معنى فيزيائي طبقة تلو الأخرى من خلال آلية الانتباه المتفرق، مشكلاً مخرجات مقاومة للتقلبات الإحصائية. تؤكد النتائج على ضرورة استخدام الانتباه المتفرق في التحليل المعتمد على Transformer لتقليل حجم الشبكة مع تحسين الأداء في الوقت نفسه.
لا يراقب رئيس الطهاة في مطبخ مزدحم كل قدر على حدة، بل يلقي نظرة سريعة على ما يغلي أو يصدر أزيزاً أو يكاد يحترق. وهكذا تعمل شبكة IAFormer — الشبكة العصبية لتحليل تصادمات الجسيمات — فهي لا تضيع الوقت في فحص جميع أزواج الجسيمات الممكنة. فانتباهها «الكسول» ينتقي ديناميكياً فقط التوليفات المهمة حقاً، مثلما يصف النموذج القياسي التفاعلات الأساسية فقط متجاهلاً الضوضاء.
لكن يكمن سر IAFormer في استخدامها لأعداد خاصة لا تعتمد على سرعة الجسيمات — تماماً كوصفة تعمل بنفس الطريقة سواء كان المطبخ ثابتاً أم على متن قطار مسرع. هذه الثوابت المرتبطة بـ سرعة الضوء تقلّص إعدادات الشبكة بشكل كبير، مما يجعل النموذج شفافاً. ويرى الفيزيائيون كيف ينقّي النموذج طبقة بعد طبقة التموجات العشوائية ويتراكم لديه فهم للفيزياء.
والمدهش أن النموذج خفيف لدرجة أنه يعمل على حاسوب محمول، ويعالج البيانات أسرع من وتيرة التصادمات نفسها.
🎯 الكوارك القمي هو أثقل الجسيمات الأولية المعروفة، كتلته تعادل تقريباً كتلة ذرة تنجستن كاملة، لكنه يضمحل خلال 10^−25 ثانية، فلا يكاد يرتبط بأي شيء.