利用神经网络改善 ttbar 事例的组合歧义
高能物理 - 唯象学
2014-06-27 v1 高能物理 - 实验
摘要
我们提出了一种解决 Tevatron 对撞机上 \ttbar 轻子+喷注事例中组合问题的方法。通过将多种信息整合到一个人工神经网络中，我们为这类事例引入了一种新颖的事例重建方法。我们发现该方法显著减少了组合歧义的数量。与经典重建方法相比，我们的方法在相同效率下提供了显著更高的纯度。我们展示了重建后的可观测量，用于现实情况下的顶夸克质量测量和前后不对称性测量。蒙特卡洛研究表明，在数据量相同的情况下，我们的方法为顶夸克测量带来了有意义的改进。
引用
@article{arxiv.1402.3907,
title = {Improving Combinatorial Ambiguities of ttbar Events Using Neural Networks},
author = {Ji Hyun Shim and Hyun Su Lee},
journal= {arXiv preprint arXiv:1402.3907},
year = {2014}
}