利用机器学习技术重建衰变到 $\tau$ 轻子的重规范玻色子不变质量

LHC 实验开展了许多分析以搜寻出现在若干新物理模型中的重规范玻色子。当重规范玻色子衰变到 $\tau$ 轻子时，由于末态中存在丢失的中微子，其不变质量重建十分困难。机器学习技术在实验高能物理中被广泛利用，特别是在分析 LHC 产生的大量数据方面。本文中，我们研究有监督和无监督神经网络算法等机器学习技术，以重建 $Z^{\prime}~\rightarrow~\tau\tau$ 和 $W^{\prime}~\rightarrow~\tau\nu$ 衰变的不变质量，从而可提高这些搜寻的灵敏度。