Explainable AI for Jet Tagging: A Comparative Study of GNNExplainer, GNNShap, and GradCAM for Jet Tagging in the Lund Jet Plane
Este artigo avalia e compara métodos de explicabilidade baseados em perturbação, baseados em valores de Shapley e baseados em gradiente, adaptados para a representação do Plano de Jato de Lund, demonstrando que essas técnicas correlacionam com sucesso as previsões de redes neurais com observáveis clássicos de QCD e revelam mudanças distintas de foco entre os regimes perturbativo e não perturbativo na identificação de jatos.