基于符号回归的$\mathcal{CP}$分析
高能物理 - 唯象学
2025-07-09 v1 高能物理 - 实验
摘要
在LHC中寻找违例对希格斯相互作用的探测，既紧要又重要。尽管现代机器学习在性能上超过传统方法，但其结果难以控制和解释，这尤其重要，因为需要对基本对称性进行明确的探测。我们提出通过学习解析公式来解决此问题。运用互补的PySR和SymbolNet方法，我们学习了WBF 希格斯产生和顶子关联希格斯产生的敏感可观测量。我们发现它们在可解释性和性能方面具有优势。
引用
@article{arxiv.2507.05858,
title = {$\mathcal{CP}$-Analyses with Symbolic Regression},
author = {Henning Bahl and Elina Fuchs and Marco Menen and Tilman Plehn},
journal= {arXiv preprint arXiv:2507.05858},
year = {2025}
}
备注
37 pages, 15 figures, 5 tables