利用QCD感知图神经网络在重离子碰撞中进行喷注表征
数据分析、统计与概率
2022-10-18 v2 高能物理 - 唯象学
摘要
喷注及其组分的识别是重离子实验（如RHIC和LHC上的实验）中的关键问题与挑战性任务。大量软粒子背景的存在对喷注寻找技术造成困扰。过滤背景的能力不足或缺乏高效技术导致虚假或组合性喷注形成，可能产生错误解释。在本文中，我们提出图约简技术（GraphRed），一种基于喷注物理构建的、物理感知且基于拓扑的注意力图神经网络新类。该方法直接在事件逐事件基础上处理可变长度末态粒子集合的物理可观测量，以寻找事件中最可能的喷注诱导粒子。该技术展示了此方法寻找喷注诱导粒子的鲁棒性与适用性，并表明图架构比先前框架更高效。该技术首次展示了在LHC产生的每个重离子事件上基于粒子级别工作的分类器。我们给出了该模型与当前喷注寻找算法（如FastJet）的适用性与集成。
引用
@article{arxiv.2103.14906,
title = {Jet characterization in Heavy Ion Collisions by QCD-Aware Graph Neural Networks},
author = {Yogesh Verma and Satyajit Jena},
journal= {arXiv preprint arXiv:2103.14906},
year = {2022}
}