California Institute of Technology（加州理工学院）

JetFormer: A Scalable and Efficient Transformer for Jet Tagging from Offline Analysis to FPGA Triggers

JetFormer: 一种可扩展且高效的Transformer用于从离线分析到FPGA触发的喷注标记

Ruoqing Zheng, Chang Sun, Qibin Liu, Lauri Laatu, Arianna Cox, Benedikt Maier, Alexander Tapper, Jose G. F. Coutinho, Wayne Luk, Zhiqiang Que

机构 * Imperial College London（帝国理工学院伦敦分校） ； California Institute of Technology（加州理工学院） ； SLAC National Accelerator Laboratory（SLAC国家加速器实验室） 纠错

AI总结 JetFormer是一种高效的Transformer模型，适用于从离线分析到FPGA触发的喷注标记，通过优化实现高精度与低延迟的统一部署。

Comments 15 pages,

From SGD to Spectra: A Theory of Neural Network Weight Dynamics

从SGD到谱：神经网络权重动态的理论

Brian Richard Olsen, Sam Fatehmanesh, Frank Xiao, Adarsh Kumarappan, Anirudh Gajula

机构 * California Institute of Technology, Pasadena California, USA（加州理工学院） 纠错

AI总结 本文提出了一种连续时间随机微分方程框架，将SGD的微观动态与神经网络权重矩阵的奇异值谱演化联系起来，揭示了训练网络中'主干+尾部'谱结构的理论机制。

Efficient Policy Optimization in Robust Constrained MDPs with Iteration Complexity Guarantees

在具有迭代复杂度保证的鲁棒约束MDP中实现高效的策略优化

Sourav Ganguly, Kishan Panaganti, Arnob Ghosh, Adam Wierman

机构 * New Jersey Institute of Technology（新泽西理工学院） ； Caltech（加州理工学院） 纠错

AI总结 本文提出了一种在鲁棒约束MDP中高效优化策略的方法，通过最小化约束价值函数并最大化鲁棒奖励价值函数，在O(ε⁻²)次迭代内实现ε次优且可行的策略，无需二分搜索从而提升计算效率。

Probabilistic Phase Labeling and Lattice Refinement for Autonomous Material Research

概率相标注与晶格细化用于自主材料研究

Ming-Chiang Chang, Sebastian Ament, Maximilian Amsler, Duncan R. Sutherland, Lan Zhou, John M. Gregoire, Carla P. Gomes, R. Bruce van Dover, Michael O. Thompson

机构 * Department of Materials Science and Engineering, Cornell University（材料科学与工程系，康奈尔大学） ； Department of Computer Science, Cornell University（计算机科学系，康奈尔大学） ； Division of Engineering and Applied Science and Liquid Sunlight Alliance, California Institute of Technology（工程与应用科学系及液阳光联盟，加州理工学院） 纠错

AI总结 CrystalShift通过概率相标注和晶格细化技术，提升XRD数据分析效率，实现材料结构参数的定量分析，加速材料识别与发现。

Comments 13 pages, 6 figures

Journal ref npj Comput. Mater. 11 (2025) 148