深度学习在轻带电Higgs玻色子搜寻中的应用
高能物理 - 唯象学
2018-03-06 v1
摘要
本工作中,我们对顶夸克衰变中的轻带电Higgs信号进行深度学习,该信号因强烈的W玻色子污染而带来困难。我们构建具有适当架构的深度神经网络(DNN),并通过考虑各种特征(运动学与人工设计参数)来确定信号提取效率。结果表明DNN较经典神经网络表现更优,且即使输入特征非人工设计,也能找出高效率区域。在某种意义上,人工设计的高层特征被具有低层运动学特征不同组合的DNN所抵消。此外,显示增加DNN中处理单元数量未必导致效率提升,主要因复杂度增加。我们的方法与结果可为强背景下的信号提取提供范例。
引用
@article{arxiv.1803.01550,
title = {Deep-Learning in Search of Light Charged Higgs},
author = {Guleser. K. Demir and Nasuf Sonmez and Hatice Dogan},
journal= {arXiv preprint arXiv:1803.01550},
year = {2018}
}