用于学习强子SMEFT效应的旋转等变图神经网络
高能物理 - 唯象学
2024-05-16 v1 高能物理 - 实验
摘要
我们引入了一种图神经网络架构，旨在从LHC碰撞数据中提取标准模型有效场论（SMEFT）背景下的新现象。所提出的红外和共线安全架构对高能大质量粒子强子衰变产生的喷流中的辐射模式角向取向敏感。相对于绕喷流轴旋转的等变性使得能够提取与喷流子结构解耦的角向取向信息。我们通过模拟研究以及对半轻子衰变通道中WZ过程的实际事件模拟，展示了该方法的鲁棒性及其在未来LHC上探测SMEFT的潜力。
引用
@article{arxiv.2401.10323,
title = {A rotation-equivariant graph neural network for learning hadronic SMEFT effects},
author = {Suman Chatterjee and Sergio Sánchez Cruz and Robert Schöfbeck and Dennis Schwarz},
journal= {arXiv preprint arXiv:2401.10323},
year = {2024}
}
备注
9 pages, 5 figures