用于喷注标记的分层高点能量流网络
高能物理 - 唯象学
2023-08-17 v1 高能物理 - 实验
摘要
喷注子结构可观测量基是一套系统且有力的工具，用于分析喷注内组成粒子的内部能量分布。本工作中，我们提出一种将神经网络插入喷注子结构基的新方法，作为一个简单而高效的可解释 IRC 安全深度学习框架，以发现具有判别力的喷注可观测量。能量流多项式（EFP）可按特定求和次序计算，得到一种展现分层 IRC 安全性的重组形式。因此在分别求和后插入非线性函数可显著拓展 IRC 安全喷注子结构观测量的范围，其中神经网络可发挥重要作用。基于对应于路径图的最简单一类 EFP 的结构，我们提出了分层能量流网络与局部分层能量流网络。这两种架构在顶夸克标记数据集和夸克-胶子数据集上，即便仅利用组成粒子的运动学信息，也展现出优于其他基准算法的判别性能。
引用
@article{arxiv.2308.08300,
title = {Hierarchical High-Point Energy Flow Network for Jet Tagging},
author = {Wei Shen and Daohan Wang and Jin Min Yang},
journal= {arXiv preprint arXiv:2308.08300},
year = {2023}
}