利用深度学习改进直接测定 $|V_{ts}|$ 的方法

此前已有研究通过测量顶夸克对在质子-质子碰撞中产生的双轻子末态事例中，其中一个顶夸克通过 $t \to sW$ 衰变的分支比，提出了一种直接测定Cabibbo-Kobayashi-Maskawa矩阵元 $|V_{ts}|$ 的s喷注标记方法。其主要挑战在于提高来自顶夸克衰变的奇异喷注与其他喷注的鉴别性能。本研究提出了名为DISAJA的新型喷注鉴别器，采用基于Transformer的深度学习方法。第一个模型DISAJA-H利用多域输入（喷注、轻子和丢失横动量）。另一个模型DISAJA-L通过使用更低层次的喷注成分信息而非高层次的聚类信息，进一步改进了设置。DISAJA-L是一种将低层次喷注成分分析与使用多域输入的事件分类相结合的新颖模型。通过类似CMS的LHC Run 2快速模拟，比较了各种统计检验结果与仅考虑单个喷注的基于Transformer的喷注分类器的结果，评估了模型性能。本研究表明，DISAJA模型相比单个喷注分类器具有显著的性能提升，并展示了在LHC Run 3和高亮度LHC期间进行该测量的潜力。