利用深度学习对 LHC 数据开展新一代同时拟合
高能物理 - 唯象学
2022-05-12 v2
摘要
我们提出一种新方法，能够同时确定质子的部分子分布函数（PDF）以及任何决定理论预测的参量集合；无论是在标准模型（SM）内还是之外。SIMUnet 方法基于 NNPDF4.0 神经网络架构的扩展，其允许添加额外层以同时确定 PDF 与任意数量的此类参数。我们通过同时在 SM 有效场论框架内拟合 PDF 与一组威尔逊系数子集来展示其能力，并说明该方法如何自然扩展到更大的威尔逊系数子集以及其他 SM 精度参数，如强耦合常数或重夸克质量。
引用
@article{arxiv.2201.07240,
title = {A new generation of simultaneous fits to LHC data using deep learning},
author = {Shayan Iranipour and Maria Ubiali},
journal= {arXiv preprint arXiv:2201.07240},
year = {2022}
}
备注
38 pages, 18 figures