利用深度神经网络进行高能物理中的喷注味分类

将喷注分类为来自轻味或重味夸克，是推断高能碰撞中产生粒子性质的一项重要任务。跟踪探测器提供的数据维度大且多变，使得这项任务变得困难。当前最先进的工具需要专家进行数据降维，将数据转换为可由浅层分类器有效处理的固定低维形式。我们研究了深度网络在这项任务中的应用，尝试从原始的径迹列表开始，在多个数据层次上进行分类。我们发现，最高层次、最低维度的专家信息牺牲了分类所需的信息；仅使用径迹和顶点信息的基于深度网络的标记器，其性能可以匹敌或略微超过当前最先进的标记器；仅使用最低层次、最高维度的径迹信息进行分类对深度网络而言仍是一项困难任务；并且，与最先进技术相比，向分类器中添加更低层次的径迹和顶点信息能显著提升性能。