利用神经网络改进smuon搜索
高能物理 - 唯象学
2025-01-23 v1 高能物理 - 实验
摘要
我们证明了神经网络可以用于改进LHC中轻电弱带电标量粒子搜索的现有策略，这些标量粒子衰变为一个μ子和一个重的不可见费米子。我们提出了一种涉及神经网络判别器作为最终截断的新搜索，并表明可以使用在不同信号样本子集上训练的网络来定义不同的信号区域（区分低质量和高质量区域）。我们还展示了一个使用公开可用分析工具的工作流程，可以从背景和信号模拟出发，经过网络训练，到使用分析和ONNX库将网络与再投射工具接口以找到极限的投影。我们从Run 2 LHC数据中给出了搜索灵敏度的估计，并对更高光度进行了投影，显示出相对于先前方法的明显优势。
引用
@article{arxiv.2411.04526,
title = {Improving smuon searches with Neural Networks},
author = {Alan S. Cornell and Benjamin Fuks and Mark D. Goodsell and Anele M. Ncube},
journal= {arXiv preprint arXiv:2411.04526},
year = {2025}
}
备注
13 pages, 4 figures