基于弱监督的希格斯生产分类器
高能物理 - 唯象学
2025-11-25 v1 高能物理 - 实验
摘要
可靠确定希格斯生产机制对于希格斯耦合测量程序至关重要。我们采用弱监督方法，特别是CWoLa，训练深度神经网络，使用 diphoton 事件的真实数据，以希望减少由蒙特卡洛模拟导致的偏差。测试并比较了基于卷积神经网络和变换器的模型。特别地，在H→γγ事件的低亮度区域，如果从训练中去除光子信息，分类性能会略有提升。我们明确显示，当使用基于物理动机的方法进行数据增强来扩大训练数据集时，性能可以得到改善。我们进一步演示了训练好的模型可成功应用于H→ZZ和H→Zγ事件，表明此类分类器对希格斯衰变模式是不敏感的，只要其不涉及强QCD修正。
引用
@article{arxiv.2511.18726,
title = {Higgs Production Classifier using Weak Supervision},
author = {Kai-Feng Chen and Yi-An Chen and Cheng-Wei Chiang and Feng-Yang Hsieh},
journal= {arXiv preprint arXiv:2511.18726},
year = {2025}
}