中文

$\nu^2$-Flows:利用条件归一化流在多中微子末态中快速改进中微子重建

高能物理 - 唯象学 2024-01-15 v3 机器学习 高能物理 - 实验

摘要

在这项工作中,我们介绍了 ν2\nu^2-Flows,即 ν\nu-Flows 方法对包含多个中微子的末态的扩展。该架构可原生扩展至任意所需中微子多重数下末态中所有对象类型与多重数的组合。在 ttˉt\bar{t} 双轻子事件中,两个中微子的动量及其间关联性的重建比使用最流行的标准解析技术更准确,且能为所有事件找到解。推断时间显著快于竞争方法,并可通过在图形处理单元上并行评估进一步缩短。我们将 ν2\nu^2-Flows 应用于 ttˉt\bar{t} 双轻子事件,并表明展开分布中每 bin 的不确定性比标准技术更接近由完美中微子重建所设定的性能极限。对于所选的双微分可观测量,ν2\nu^2-Flows 相比中微子加权(Neutrino Weighting)方法使各 bin 的统计精度提高了 1.5 至 2 倍,相比椭圆(Ellipse)方法最高提高 4 倍。

关键词

引用

@article{arxiv.2307.02405,
  title  = {$\nu^2$-Flows: Fast and improved neutrino reconstruction in multi-neutrino final states with conditional normalizing flows},
  author = {John Andrew Raine and Matthew Leigh and Knut Zoch and Tobias Golling},
  journal= {arXiv preprint arXiv:2307.02405},
  year   = {2024}
}

备注

24 pages, 19 figures, 6 tables