洛伦兹增强网络：自主物理启发的特征工程
高能物理 - 实验
2019-07-24 v1 高能物理 - 唯象学
摘要
我们提出了一种两阶段神经网络架构，通过仅利用末态粒子的四动量，实现对碰撞事件的完全自主且全面的表征。我们将该架构的第一阶段称为洛伦兹增强网络（LBN）。LBN 允许创建表示静止系的粒子组合。LBN 还能形成进一步的复合粒子，随后通过洛伦兹变换将其变换到所述静止系中。复合的、变换后的粒子的性质以特征变量的形式汇编，作为后续网络的输入。这第二个网络须针对特定分析任务（如信号与背景事件的分离）进行配置。以 ttH 与 ttbb 事件分类为例，我们将 LBN 方法的分离能力与领域无关的深层神经网络（DNN）进行比较。我们观察到 LBN 具有领先性能，尽管我们为 DNN 提供了超出粒子四动量的大量额外输入信息。此外，我们证明 LBN 形成了具有物理意义的粒子组合，并自主生成合适的特征变量。
引用
@article{arxiv.1812.09722,
title = {Lorentz Boost Networks: Autonomous Physics-Inspired Feature Engineering},
author = {Martin Erdmann and Erik Geiser and Yannik Rath and Marcel Rieger},
journal= {arXiv preprint arXiv:1812.09722},
year = {2019}
}