基于新型机器学习增强探针在电弱至多 TeV 前沿探索重中微子
高能物理 - 唯象学
2026-01-15 v1
摘要
我们提出了一种在大型强子对撞机 (LHC) 上探测具有非普适费米子耦合的重中微子的新策略，该策略采用了一种新颖的产生机制和机器学习算法。聚焦于 的质子-质子碰撞，我们研究了包含一个带电轻子、缺失横向能量和两个射流的末态。对于质量低于 的重中微子，其产生主要由 道过程主导。在更高质量下，矢量玻色子融合成为主导的产生机制，其截面随重中微子质量的增加而缓慢下降。我们模拟了信号和标准模型本底事件，并采用梯度提升决策树来优化事件分类。假设高亮度运行预期的积分亮度为 ，并考虑现实的统计和系统不确定性，我们发现质量范围在 -- 的重中微子可被探测，对混合参数 的灵敏度覆盖从 到 1。该方法增强了重中微子的发现潜力，并为现有搜索策略提供了互补的途径。
引用
@article{arxiv.2601.09095,
title = {Heavy Neutrinos across the Electroweak-to-Multi-TeV Frontier via Novel ML-Enhanced Probes},
author = {Yin-Fa Shen and Alfredo Gurrola and Francesco Romeo and Denis Rathjens and Andres Flórez},
journal= {arXiv preprint arXiv:2601.09095},
year = {2026}
}