基于机器学习的 Pb-Pb 碰撞中 ALICE 探测器测量的喷注动量重建
核实验
2019-09-05 v1 高能物理 - 实验
摘要
在重离子碰撞中精确重建喷注横向动量是一项具有挑战性的任务。一个主要障碍是大量不相关（主要是）低 粒子叠加在喷注上。该本底的强烈区域间涨落使喷注测量复杂化并导致显著的不确定性。我们开发了一种新方法，用于修正重离子碰撞中喷注的本底动量（或能量）。该方法通过利用常见机器学习技术基于若干参数估计喷注横向动量，使得能够测量极低横向动量的喷注以及大分辨率 的喷注。在本会议报告中，我们将展示经此机器学习方法修正的基于径迹的喷注的横向动量谱和核修正因子，并在可能时与已发表结果进行比较。该分析在 TeV 的 Pb-Pb 碰撞数据上进行，数据由 ALICE 探测器记录，并测量了低动量、大分辨率参数的喷注，这在重离子碰撞数据中迄今前所未有。
引用
@article{arxiv.1909.01639,
title = {Machine Learning based jet momentum reconstruction in Pb-Pb collisions measured with the ALICE detector},
author = {Rüdiger Haake},
journal= {arXiv preprint arXiv:1909.01639},
year = {2019}
}
备注
Proceedings of EPS-HEP2019 conference, 10-17 July, 2019