利用CMS开放数据对 boosted 顶夸克进行端到端喷注分类
数据分析、统计与概率
2022-04-22 v3 计算机视觉与模式识别
机器学习
高能物理 - 实验
摘要
我们描述了端到端深度学习技术的一种新应用，用于区分顶夸克引发的喷注与源自轻夸克或胶子强子化的喷注。端到端深度学习技术将深度学习算法与高能碰撞事件的低层探测器表示相结合。在本研究中，我们使用模拟CMS开放数据样本中的低层探测器信息来构建顶喷注分类器。为优化分类器性能，我们逐步添加来自CMS径迹探测器的低层信息，包括像素探测器重建击中与撞击参数，并证明了即便未添加新的空间结构，额外径迹信息的价值。仅依靠量能器能量沉积与重建像素探测器击中，端到端分类器在分类boosted顶夸克喷注任务上取得了0.9750.002的AUC分数。在添加导出径迹量后，分类器AUC分数提升至0.98240.0013，成为这些CMS开放数据样本的首个性能基准。我们还提供了不同处理器单元架构训练网络的时间性能比较。
引用
@article{arxiv.2104.14659,
title = {End-to-End Jet Classification of Boosted Top Quarks with the CMS Open Data},
author = {Michael Andrews and Bjorn Burkle and Yi-fan Chen and Davide DiCroce and Sergei Gleyzer and Ulrich Heintz and Meenakshi Narain and Manfred Paulini and Nikolas Pervan and Yusef Shafi and Wei Sun and Emanuele Usai and Kun Yang},
journal= {arXiv preprint arXiv:2104.14659},
year = {2022}
}
备注
9 pages, 3 figures, 4 tables; v3: unpublished