Прогнозирование популярности данных в ФВЭ: подход с использованием трансформеров

Аннотация

Современные эксперименты в области физики высоких энергий (ФВЭ) генерируют и хранят огромные объемы данных, к которым обращаются пользователи. Характер обращений пользователей — несистематический и нерегулярный. Эффективное управление данными требует точного прогнозирования популярности датасетов (datasets) для оптимизации хранения, кэширования и стратегий распределения данных. В этой работе мы предлагаем подход для прогнозирования будущих шаблонов доступа к датасетам с использованием моделей глубокого обучения на основе трансформеров. На основе исторических журналов взаимодействий пользователей с датасетами ФВЭ наш метод находит временные зависимости и контекстуальные изменения для прогнозирования как краткосрочного, так и среднесрочного спроса на данные.