抛出图网络以捕捉暗簇射
高能物理 - 唯象学
2021-02-24 v3 高能物理 - 实验
摘要
强相互作用暗 sector 预言了新颖的 LHC 信号，例如由同时包含稳定与不稳定暗介子的暗簇射所产生的半可见喷注。将此类半可见喷注与巨大的 QCD 背景区分开来十分困难，并构成了喷注分类的一项激动人心的挑战。本文中我们探索了有监督深度神经网络识别半可见喷注的潜力。我们表明，在所谓粒子云上运行的动态图卷积神经网络，优于分析喷注图像的卷积神经网络以及基于洛伦兹矢量的其他神经网络。我们研究了性能如何依赖于暗簇射的性质，并讨论了在混合样本上训练作为降低模型依赖性的策略。通过修改现有的单喷注分析，我们表明使用动态图网络作为暗簇射标记器可将 LHC 对暗 sectors 的灵敏度提升一个数量级以上。
引用
@article{arxiv.2006.08639,
title = {Casting a graph net to catch dark showers},
author = {Elias Bernreuther and Thorben Finke and Felix Kahlhoefer and Michael Krämer and Alexander Mück},
journal= {arXiv preprint arXiv:2006.08639},
year = {2021}
}
备注
16 pages + appendices, 10 figures