用于ATLAS中快速pile-up喷嘴反击的深度集和事件级最大似然估计
高能物理 - 实验
2025-12-12 v1 机器学习
摘要
在LHC的每个束流交叉点都会发生多个质子-质子碰撞（pile-up），预计在Run 3中平均相互作用次数将达到80，至高亮度LHC时可达200。直接结果是，具有多喷嘴签名的事件将以日益增加的速率发生。为应对提升的亮度，能够有效地根据喷嘴沿束线的起源对喷嘴进行分组尤为关键，特别是在触发器级别。在本工作中，引入一种基于深度集架构的新型不确定性感知喷嘴回归模型，称为DIPz，用于沿束线回归喷嘴原点位置。DIPz算法的输入是与每个喷嘴相关联的带电粒子轨迹。构建了一个事件级判别量——最大似然乘积（MLPL），通过组合DIPz的每个喷嘴预测来实现。MLPL经过切片优化，以选择与特定多喷嘴签名选择相容的事件。这种组合方法为多喷嘴最终状态的pile-up反击提供了一种稳健且计算效率高的方法，可应用于ATLAS高级触发器的实时事件选择。
引用
@article{arxiv.2512.10819,
title = {Deep sets and event-level maximum-likelihood estimation for fast pile-up jet rejection in ATLAS},
author = {Mohammed Aboelela},
journal= {arXiv preprint arXiv:2512.10819},
year = {2025}
}
备注
6 pages, 3 figures, European Physical Society Conference on High Energy Physics (EPS-HEP2025), On behalf of the ATLAS Collaboration