双希格斯玻色子产生的背景建模：密度比与最优传输

我们研究数据驱动的背景估计问题，该问题出现在大型强子对撞机上标准模型所预言的物理信号搜寻中。我们的工作受双希格斯玻色子产生并衰变为四个底夸克这一搜寻过程的推动。许多其他物理过程（称为背景）也具有相同末态。因此该问题中的数据是未标记背景事件与信号事件的混合，分析的主要目标是确定未标记信号事件的比例是否非零。一个具有挑战性但必要的第一步是估计背景事件的分布。该领域以往工作已确定对撞机事件空间中信号不太可能出现、因而背景分布可识别的区域。可在这些区域中估计背景分布，并利用带多变量分类器的迁移学习外推至主要感兴趣区域。我们从两方面改进这一现有方法。首先，我们通过开发定制化的残差神经网络重新审视该方法，该网络针对对撞机数据的结构与对称性进行设计。其次，我们基于最优传输问题开发了一种新的背景估计方法，其依赖的建模假设与早期工作不同。由于底层假设的互补性，这两种方法在粒子物理分析中可互为交叉检验。我们在模拟的双希格斯玻色子数据上比较了它们的性能。