用于搜寻衰变为喷注的新长寿命粒子的深度神经网络

本文提出了一种标记算法，用于识别在 LHC 的 CMS 探测器中明显偏离质子-质子（pp）碰撞区域的喷注。位移喷注可能源于长寿命粒子（LLPs）的衰变，而标准模型的若干理论扩展均预言了此类粒子。该标记器是一个基于深度神经网络的多类分类器，其参数化依赖于 LLP 的固有衰变长度 $\mathrm{c}\tau_0$。我们定义了一种新颖方案，用于为监督学习可靠地标记来自 LLP 衰变的喷注。使用 CMS 探测器在质心能量 13 TeV 记录的 pp 碰撞数据样本以及模拟事件来训练该神经网络。通过反向传播进行域适应，以改善喷注类概率分布在 pp 碰撞数据中观测结果的模拟建模。以一个对长寿命胶子（split supersymmetric 模型的体现）的搜寻为例，展示了该标记器的潜在性能。对于标准模型过程产生的喷注，该标记器提供 10 000 的抑制因子，同时对固有衰变长度 1 mm $\leq$ $c\tau_0$ $\leq$ 10 m 的胶子保持 30-80% 的 LLP 喷注标记效率。文中给出了对 split supersymmetry 参数空间预期的覆盖情况。