夸克与胶子判别理论

理解由夸克和胶子引发的喷注在对撞机物理中具有根本重要性。高效且稳健的夸克与胶子喷注判别技术对于新物理搜寻、精确的 $\alpha_s$ 研究、部分子分布函数提取以及许多其他应用都有影响。大量机器学习分析已攻克该问题，表明可获得良好性能，但一般未提供对喷注的哪些性质导致了该分离能力的理解。在本文中，我们基于第一性原理理论计算对夸克与胶子判别进行了广泛而详细的分析。在强有序的软和共线极限下，我们计算了喷注内具有至多三次解析发射（${\cal O}(\alpha_s^3)$）的固定 $N$ 体运动学的概率分布。这使得在定义良好的近似方案内显式计算对机器学习至关重要的量，如似然比、接收者操作特征曲线下面积以及可约因子。此外，我们将判别的一致幂次计数程序的存在性与操作性味定义的思想联系起来，并利用该关系构造了以 $e^{C_F-C_A}\ll1$（基本和伴随 Casimir 常数的指数）展开的夸克与胶子判别的幂次计数。我们的计算深入揭示了粒子多重数的判别性能，并展示了对所有喷注内发射敏感的观测量是最优的。我们将预测与单个观测量和神经网络在部分子簇射事件生成器上的性能进行比较，验证了我们的预测描述了机器学习所识别的特征。