DeepXS：在 NLO 下对 MSSM 电弱截面的快速近似

我们提出了一种深度学习方案，用于在复杂的高维参数空间上预测粒子产生截面。我们通过提供在现象学 MSSM-19 中大型强子对撞机 (LHC) 下一阶 (next-to-leading order) 下 chargino 和 neutralino 产生的先进预测来展示其适用性，并明确展示了对 $pp\to\tilde{\chi}^+_1\tilde{\chi}^-_1,$ $\tilde{\chi}^0_2\tilde{\chi}^0_2$ 和 $\tilde{\chi}^0_2\tilde{\chi}^\pm_1$ 的性能作为概念验证，这将扩展到所有 SUSY 电弱对。我们获得的误差低于来自尺度和部分子分布函数的不确定性，平均绝对百分比误差远低于 $0.5\,\%$，从而允许在下一阶下进行安全推断，其推断时间将迄今为止可用的蒙特卡洛积分过程每步评估从 $\mathcal{O}(\rm{min})$ 提升到 $\mathcal{O}(\mu\rm{s})$，即改进了 $\mathcal{O}(10^7)$ 倍。