通过面向特征的预训练加速共振搜索
高能物理 - 唯象学
2024-05-22 v1 高能物理 - 实验
数据分析、统计与概率
摘要
在大型强子对撞机（LHC）上，搜索超出标准模型（BSM）的重共振态是一项关键目标。虽然近期将先进深度神经网络用于增强射流标记显著提升了专门搜索的灵敏度，但这仅限于特定的末态，导致大量潜在的 BSM 相空间尚未被探索。我们引入了一种新颖的实验方法，即面向重共振态观测的特征预训练，该方法利用深度学习覆盖大量增强末态。在全面的 JetClass-II 数据集上进行预训练后，Sophon 模型学习了复杂的射流特征，确保了各种射流标记判别式的最优构建，并实现了高性能的迁移学习能力。我们表明，该方法不仅能将广泛的模型特定搜索推向其灵敏度极限，还能极大改进模型无关的方法，从广义上加速 LHC 的共振搜索。
引用
@article{arxiv.2405.12972,
title = {Accelerating Resonance Searches via Signature-Oriented Pre-training},
author = {Congqiao Li and Antonios Agapitos and Jovin Drews and Javier Duarte and Dawei Fu and Leyun Gao and Raghav Kansal and Gregor Kasieczka and Louis Moureaux and Huilin Qu and Cristina Mantilla Suarez and Qiang Li},
journal= {arXiv preprint arXiv:2405.12972},
year = {2024}
}
备注
14 pages, 5 figures