通过集成机器学习提升希格斯INO搜索：运用于提升型对象标记与事件选择
高能物理 - 唯象学
2025-01-14 v1
摘要
临近 TeV 质量范围的希格斯INO因提供优雅解决方案而备受推崇，这一解决方案针对标准模型中的自然性问题。目前，ATLAS 与 CMS 合作方已对其在普遍加权介导 (GGM) 框架下的搜索进行了广泛研究。然而，这些搜索在 hadronic 通道中的灵敏度仍受限，主要由于依赖传统的次结构技术进行喷油靶的识别。本文提出一种新颖的搜索策略，利用图神经网络 (GNN) 来改进来自 W/Z/h 玻色子、顶夸克以及来自 QCD 初始化的轻夸克和夸克的喷油靶的表征。GNN 分数结合了提升决策树 (BDT) 分类器，显著提升了希格斯INO 在 LHC 上的搜索灵敏度。
引用
@article{arxiv.2501.07491,
title = {Advancing Higgsino Searches by Integrating ML for Boosted Object Tagging and Event Selection},
author = {Rameswar Sahu and Debabrata Sahoo and Kirtiman Ghosh},
journal= {arXiv preprint arXiv:2501.07491},
year = {2025}
}
备注
17 pages, 3 figures, 2 tables