彩色深度学习：迈向夸克/胶子喷注自动鉴别

人工智能为对撞机物理中具有挑战性的数据处理任务提供了自动化潜力。为评估其前景，我们探索了基于卷积神经网络的深度学习在多大程度上能比物理学家设计的观测量更好地鉴别夸克和胶子喷注。我们的方法基于将喷注视为图像的范式，其强度由局部量能器沉积给出。我们通过为图像添加颜色来补充这一构造，红、绿、蓝强度分别由带电粒子的横动量、中性粒子的横动量以及像素级带电粒子计数给出。总体而言，深度网络匹配或优于传统喷注变量。我们还发现，尽管不同模拟产生的夸克和胶子喷注不同，但神经网络对这些差异出人意料地不敏感，这与传统观测量类似。这表明网络能够从不完美的模拟中提取稳健的物理信息。