基于机器学习的大型强子对撞子质子-质子碰撞中开粲强子研究

在质子-质子和重离子碰撞中，粲强子的研究在理解 QCD 介质中起着关键作用，并为强相互作用理论提供了无可争议的试验场，因为它们大多在碰撞的早期阶段通过硬部分子相互作用产生。最轻的开粲 $D^{0}$ 介子（$c\Bar{u}$）可源于两个独立来源。瞬发 $D^{0}$ 源于直接粲产生或激发态开粲的衰变，而非瞬发 $D^{0}$ 则源于美强子的衰变。在本文中，使用不同的机器学习（ML）算法（如 XGBoost、CatBoost 和 Random Forest），尝试将 $D^{0}$ 介子信号的瞬发和非瞬发产生模式与其背景分离。使用 PYTHIA8 模拟的 $\sqrt{s}=13~\rm{TeV}$ 的 $pp$ 碰撞，通过其强子衰变通道（即 $D^{0}\rightarrow\pi^{+} K^{-}$）、赝本征时间、赝本征衰变长度和 $D^{0}$ 介子最近接近距离来训练 ML 模型。发现本分析中使用的 ML 模型保留了赝快度、横向动量和碰撞能量依赖性。此外，我们报告了非瞬发与瞬发 $D^{0}$ 产额的比值、瞬发和非瞬发 $D^{0}$ 的自归一化产额，并探讨了粲偶素 $J/\psi$ 与开粲 $D^{0}$ 产额比值随横向动量和归一化多重性的函数关系。与模拟相比，本手稿中研究的可观测量均能被所有 ML 模型很好地预测。