利用机器学习寻找并识别四顶事件中的彩色共振态

我们研究了寻找由机器学习实现的四顶事件中彩色共振态的前景，这些共振态可以是由配对或单体产生的彩色八重或彩色六重标量衰变为两个顶夸克。我们关注相同号称夸克最终态。我们训练一个神经网络，包括一个简单的多层感知器与卷积神经网络的组合，以优化信号和背景事件的分离。对于运行于14 TeV且累积光度为3 ab$^{-1}$的LHC，我们发现对于配对产生的彩色八重和六重，分别预期发现极限为$m_8=1.8$ TeV和$m_6=1.92$ TeV，预期排除极限为$m_8=2.02$ TeV和$m_6=2.14$ TeV。在第二步中，我们重新训练相同的网络架构来区分信号过程。该网络能够清晰区分不同的彩色表征。此外，我们还可以确定是否存在来自单体产生的贡献对配对产生进行相同的最终态。该方法可以应用于不同自旋和彩色表征的超出标准模型候选者。