通过强化学习进行喷注修饰
高能物理 - 唯象学
2019-07-24 v2 机器学习
高能物理 - 实验
机器学习
摘要
我们介绍了一种新颖的强化学习（RL）算法实现，该算法旨在寻找最优的喷注修饰策略，这是对撞机实验中的关键工具。RL智能体使用构建来优化所得喷注性质的奖励函数进行训练，并在同步的多层次训练中同时使用信号和背景样本。我们表明，由深度RL智能体导出的修饰算法可以匹配大型强子对撞机上使用的最先进技术，从而改善 boosted 对象的质量分辨率。给定合适的奖励函数，该智能体学习如何训练一个策略，以最优地去除软大角度辐射，从而实现可应用于广泛情境的模块化修饰技术。这些结果可通过相应的 GroomRL 框架获取。
引用
@article{arxiv.1903.09644,
title = {Jet grooming through reinforcement learning},
author = {Stefano Carrazza and Frédéric A. Dreyer},
journal= {arXiv preprint arXiv:1903.09644},
year = {2019}
}
备注
11 pages, 10 figures, code available at https://github.com/JetsGame/GroomRL, updated to match published version