等变、安全且敏感——用于新物理的图网络
高能物理 - 唯象学
2024-08-21 v3 高能物理 - 实验
摘要
本研究介绍了一种新颖的图神经网络（GNN）架构，该架构利用红外与共线（IRC）安全性及等变性，以增强对撞机数据在超越标准模型（BSM）发现中的分析能力。通过将快度 - 方位角平面中的等变性与 IRC 安全原则相结合，我们的模型在确保识别量子色动力学背景中 BSM 场景的理论一致性的同时，显著减少了计算开销。所提出的 GNN 架构在半可见喷注标记方面表现出卓越的性能，突显了其作为推进高能对撞机 BSM 搜索策略的稳健工具的潜力。
引用
@article{arxiv.2402.12449,
title = {Equivariant, Safe and Sensitive -- Graph Networks for New Physics},
author = {Akanksha Bhardwaj and Christoph Englert and Wrishik Naskar and Vishal S. Ngairangbam and Michael Spannowsky},
journal= {arXiv preprint arXiv:2402.12449},
year = {2024}
}
备注
Restructured discussions in section 2.1 for better clarity. Matches published version