多变量判别与希格斯玻色子 + W/Z 搜索
高能物理 - 唯象学
2011-06-23 v2 高能物理 - 实验
摘要
开发了一种系统性的多变量判别优化方法，并将其应用于 Tevatron 和 LHC 上轻希格斯玻色子搜索这一重要实例。显著性改进特征（SIC），定义为切割或多变量判别的信号效率除以背景效率的平方根，被证明是一个极其强大的可视化工具。SIC 曲线揭示了多变量判别中的数值不稳定性，显示了随着变量数量增加而收敛的趋势，并展示了对最优切割值的敏感性。在我们的应用中，我们专注于与 W 或 Z 玻色子协同产生且 H -> bb 的希格斯玻色子，并与不可约的标准模型背景 Z/W + bb 进行比较。我们探索了数千个实验驱动、物理驱动和非物理驱动的单变量判别量。除了标准运动学变量外，还描述了一些新的变量，例如扭转角（twist），这些变量应适用于许多过程。我们发现某些单变量，如拉角（pull angle），是弱判别量，但当与其他变量结合时，它们提供了重要的边际改进。我们还发现，多个希格斯玻色子候选质量测量值，例如来自温和和激进修剪喷注的测量值，当结合时可能提供额外的判别能力。将我们变量的显著性改进与近期 CDF 和 DZero 搜索中使用的变量进行比较，我们发现针对 Z/W + bb 的显著性可能提高 10-20%。我们的分析还表明，H + W/Z 通道（H -> bb）在 LHC 上也是可行的，无需对 W/Z 横向动量进行硬切割。
引用
@article{arxiv.1010.3698,
title = {Multivariate discrimination and the Higgs + W/Z search},
author = {Kevin Black and Jason Gallicchio and John Huth and Michael Kagan and Matthew D. Schwartz and Brock Tweedie},
journal= {arXiv preprint arXiv:1010.3698},
year = {2011}
}
备注
41 pages, 5 tables, 29 figures