利用机器学习和矩分解增强共振新物理的搜寻
高能物理 - 唯象学
2021-05-03 v2 高能物理 - 实验
数据分析、统计与概率
摘要
在共振新物理搜寻中的一个关键挑战是,为增强潜在信号而训练的分类器不得引入局域化结构。当背景由数据利用侧带方法估计时,此类结构可能导致假信号。已发展出多种技术来构造独立于共振特征(通常为质量)的分类器。此类策略足以避免局域化结构,但并非必要。我们利用一种新颖的矩损失函数(矩分解或 MoDe)开发了一组新工具,其在不于背景中创造结构的前提下放宽了独立性假设。通过允许分类器更具灵活性,我们在不损害背景估计保真度的同时增强了对新物理的灵敏度。
引用
@article{arxiv.2010.09745,
title = {Enhancing searches for resonances with machine learning and moment decomposition},
author = {Ouail Kitouni and Benjamin Nachman and Constantin Weisser and Mike Williams},
journal= {arXiv preprint arXiv:2010.09745},
year = {2021}
}
备注
22 pages, 9 figures; final published version, added affiliations, appended acknowledgments