大型强对撞机越来越多地将机器学习技术应用于数据分析,尤其是在区分具有不同原始粒子的喷气机方面。 机器学习对喷气物理学的力量的先前研究通常采用图像识别,自然语言处理或计算机科学中已广泛开发的其他算法。 尽管这些研究显示出令人印象深刻的辨别力,通常超过了广泛使用的可观察物,但它们是以非建设性的方式制定的,尚不清楚机器正在学习哪些附加信息。 在本文中,我们建设性地研究了用于喷气物理学的机器学习,将喷气机中的所有信息表达到完全和最小地跨越N体相空间的可观测对象集上。 具体而言,我们研究了机器学习在识别Q