在將機(jī)器學(xué)習(xí)應(yīng)用于粒子物理學(xué)的過程中，一個(gè)持續(xù)的挑戰(zhàn)是如何超越歧視來學(xué)習(xí)基礎(chǔ)物理學(xué)。 為此，一個(gè)強(qiáng)大的工具將是無監(jiān)督學(xué)習(xí)的框架，在該框架中，機(jī)器無需參考預(yù)先建立的標(biāo)簽，即可學(xué)習(xí)對(duì)其進(jìn)行訓(xùn)練的數(shù)據(jù)的復(fù)雜高維輪廓。 為了處理這樣一個(gè)復(fù)雜的任務(wù)，必須基于對(duì)數(shù)據(jù)的定性理解，智能地構(gòu)建一個(gè)不受監(jiān)管的網(wǎng)絡(luò)。 在本文中，我們圍繞數(shù)據(jù)背后的物理先導(dǎo)模型來構(gòu)建神經(jīng)網(wǎng)絡(luò)的架構(gòu)。 除了使無監(jiān)督學(xué)習(xí)變得易于處理外，該設(shè)計(jì)還緩解了性能和可解釋性之間的現(xiàn)有緊張關(guān)系。 我們將框架稱為Junipr：“來自不受監(jiān)督的可解釋PRobabilistic模型的噴氣機(jī)”。 在這種方法中，組成射流的粒子動(dòng)量集合被聚類為神經(jīng)網(wǎng)絡(luò)依次檢查的