基于符号回归的可解释机器学习中的角度系数
高能物理 - 唯象学
2025-12-05 v3
摘要
我们探讨了使用符号回归从而推导 electroweak 玻色子在大型强子对撞机（LHC）生产中相关的角度可观测量的紧凑解析表达式。我们聚焦于支配 和 玻色子衰变分布的角度系数，研究符号模型是否能够以高保真度和可解释性逼近这些量，通常需要计算密集型的数值程序。使用 PySR 软件包，我们首先在受控环境中验证了该方法，即在电子-电子碰撞中的角度分布以及在 LHC 上进行的领先阶 Drell-Yan 生产中。随后，我们应用符号回归从而提取 和 玻色子的角度系数 作为横向动量、快速度和不变质量函数的闭式表达式，采用 事件的次领先阶模拟。我们的结果表明，符号回归能够产生与蒙特卡罗预测在不确定性范围内相符的准确且可推广的表达式，同时保持可解释性，并提供对角度可观测量动力学依赖性的洞见。
引用
@article{arxiv.2508.00989,
title = {Angular Coefficients from Interpretable Machine Learning with Symbolic Regression},
author = {Josh Bendavid and Daniel Conde and Manuel Morales-Alvarado and Veronica Sanz and Maria Ubiali},
journal= {arXiv preprint arXiv:2508.00989},
year = {2025}
}