/ Модель

Характеристики

Контекст
512 токенов
Параметры
137 млн
Лицензия
CC BY 4.0
Архитектура
bert · dense
Базовая модель
physbert_cased
Библиотека
sentence-transformers
Опубликована
29 окт 2024

accphysbert_cased

ЭмбеддингиТекст → embedding3 профессии

AccPhysBERT — англоязычная BERT-модель эмбеддингов для семантического поиска, сопоставления и кластеризации литературы по физике ускорителей.

127скачиваний за 30 дней0лайковвеса обновлены3 июл 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Эмбеддинги» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

AccPhysBERT — англоязычная модель эмбеддингов для поиска и анализа публикаций по физике ускорителей, разработанная Торстеном Хеллертом, Жоао Монтенегро, Марко Вентурини и Андреа Полластро. Модель создана на основе PhysBERT cased и дообучена методом supervised contrastive learning SimCSE. Архитектура — BERT, около 136,7 млн параметров; модель формирует плотные векторные представления текста и поддерживает контекст до 512 токенов.

Модель предназначена для семантического поиска по заголовкам, аннотациям, заявкам и полным текстам, классификации цитирований, сопоставления рецензентов и кластеризации научной литературы. Она обучалась на публикациях INSPIRE HEP по физике ускорителей, парах цитирований и синтетических парах запрос–источник. Для специализированных тестов по физике ускорителей авторы сообщают о результатах выше BERT, SciBERT и универсальных моделей эмбеддингов.

Модель опубликована под лицензией CC BY 4.0. Она рассчитана на англоязычные научные тексты по физике ускорителей; результаты вне этой предметной области и для других языков могут быть хуже. Ограничение контекста составляет 512 токенов.

Сценарии применения

  • семантический поиск научных публикаций по физике ускорителей
  • классификация цитирований в научных статьях
  • сопоставление рукописей с рецензентами
  • кластеризация статей по тематике и категориям
  • поиск источников по научному запросу

Ограничения

Модель ориентирована на англоязычные тексты по физике ускорителей; качество для других языков и предметных областей может быть ниже. Максимальная длина контекста — 512 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

AccPhysBERT

AccPhysBERT is a specialized sentence-embedding model fine-tuned for accelerator physics, capturing semantic nuances in this technical domain. It delivers state-of-the-art performance in tasks such as semantic search, citation classification, reviewer matching, and clustering of accelerator-physics literature.


Model Description

  • Architecture: BERT-based, fine-tuned from PhysBERT (cased) using Supervised Contrastive Learning (SimCSE).
  • Optimized For: Titles, abstracts, proposals, and full text from the accelerator-physics community.
  • Notable Features:
    • Trained on 109 k accelerator-physics publications from INSPIRE HEP
    • Leverages 690 k citation pairs and 2 M synthetic query–source pairs
    • Trained via SentenceTransformers to produce dense, semantically rich embeddings

Developed by: Thorsten Hellert, João Montenegro, Marco Venturini, Andrea Pollastro
Funded by: US Department of Energy, Lawrence Berkeley National Laboratory
Model Type: Sentence embedding (BERT-based, SimCSE fine-tuned)
Language: English
License: CC BY 4.0
Paper: Domain-specific text embedding model for accelerator physics, Phys. Rev. Accel. Beams 28, 044601 (2025)
https://doi.org/10.1103/PhysRevAccelBeams.28.044601


Training Data

  • Core Corpus:

    • 109,000 accelerator-physics publications (INSPIRE HEP category: "Accelerators")
    • Over 1 GB of full-text markdown-style text (via OCR/Nougat)
  • Annotation Sources:

    • 690,000 citation pairs
    • 49 semantic categories labeled via ChatGPT-4o
    • 2,000,000 synthetic query–source pairs generated with LLaMA3-70B

Training Procedure

  • Fine-tuning Method: SimCSE (contrastive loss)
  • Hyperparameters:
    • Batch size: 512
    • Learning rate: 2e-4
    • Temperature: 0.05
    • Weight decay: 0.01
    • Optimizer: Adam
    • Epochs: 2
  • Infrastructure: 32 × NVIDIA A100 GPUs @ NERSC
  • Framework: SentenceTransformers

Evaluation Results

TaskMetricScore
Citation ClassificationCosine Accuracy91.0%
Category ClusteringV‑measure (main/sub)63.7 / 77.2
Information RetrievalnDCG@1066.3

AccPhysBERT outperforms BERT, SciBERT, and large general-purpose embedding models in all accelerator-specific benchmarks.


Example Usage

from transformers import AutoTokenizer, AutoModel
import torch

tokenizer = AutoTokenizer.from_pretrained("thellert/accphysbert")
model = AutoModel.from_pretrained("thellert/accphysbert")

text = "We report on beam instabilities observed in the LCLS-II injector."
inputs = tokenizer(text, return_tensors="pt")
outputs = model(**inputs)

# Use mean pooling (excluding [CLS] and [SEP])
token_embeddings = outputs.last_hidden_state[:, 1:-1, :]
sentence_embedding = token_embeddings.mean(dim=1)

Citation

If you use AccPhysBERT, please cite:

@article{Hellert_2025,
  title     = {Domain-specific text embedding model for accelerator physics},
  author    = {Hellert, Thorsten and Montenegro, João and Venturini, Marco and Pollastro, Andrea},
  journal   = {Physical Review Accelerators and Beams},
  volume    = {28},
  number    = {4},
  pages     = {044601},
  year      = {2025},
  publisher = {American Physical Society},
  doi       = {10.1103/PhysRevAccelBeams.28.044601},
  url       = {https://doi.org/10.1103/PhysRevAccelBeams.28.044601}
}

Contact

Thorsten Hellert
Lawrence Berkeley National Laboratory
📧 thellert@lbl.gov


Acknowledgments

This model builds on PhysBERT and was trained using NERSC resources. Thanks to Alex Hexemer, Fernando Sannibale, and Antonin Sulc for their support and discussions.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · sentence-transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
BertModel
Ревизия весов
d4be083

0 моделей