利用 LHC 上双 Higgs 产生过程对机器学习技术进行基准测试
高能物理 - 唯象学
2020-09-16 v1 高能物理 - 实验
摘要
高能物理分析的许多领域正开始探索机器学习技术。强大的方法可用于从先前难以逾越的本底中识别并测量稀有过程。LHC 上尚未发现的最深刻的 Standard Model 信号之一是通过 Higgs 自耦合产生 Higgs 玻色子对。该过程的小截面使得探测极为困难，即便对于具有最大分支比的衰变道（）亦然。本文对多种方法（提升决策树、各类神经网络架构、半监督算法）相互进行基准测试，以在高亮度 LHC 时代临近之际，编录高能物理学家可用的若干技术。
引用
@article{arxiv.2009.06754,
title = {Benchmarking Machine Learning Techniques with Di-Higgs Production at the LHC},
author = {Benjamin Tannenwald and Christopher Neu and Ang Li and Gracemarie Buehlmann and Anna Cuddeback and Leigh Hatfield and Ruhi Parvatam and Colby Thompson},
journal= {arXiv preprint arXiv:2009.06754},
year = {2020}
}
备注
19 pages, 14 figures