遗传算法与 SUSY 模型的实验鉴别

我们引入遗传算法作为一种手段，用于估计利用实验可观测量鉴别不同模型所需的精度。我们在最小超对称标准模型的背景下举例说明了该技术。如果发现了超对称粒子，超对称破缺模型将被拟合到观测谱上，因此事先提出以下问题是有益的：需要多高精度才能始终允许鉴别两个特定模型，以及哪些是最重要需观测的质量？一旦对未知参数进行扫描，每个模型在可观测量空间中预测出一个有界的区域。通过最小化两个超曲面之间的“距离”度量可以回答这些问题。我们构造了一个按可观测量的恒定比例标度的距离度量。遗传算法，包括自然选择、适应度和突变等概念，提供了该最小化问题的一种解法。我们通过比较三类不同的弦模型来说明该方法的效率，对于这些模型，上述问题用以往技术无法回答。当大型强子对撞机 (LHC) 与未来的直线对撞机 (LC) 设施相结合时，所需精度处于可达范围内。此处提出的技术可应用于更一般的模型或可观测量类别。