多元技术用于确定多维效率的潜力

粒子碰撞或衰变的微分测量可以对超出粒子物理标准模型的新物理提供严格约束。特别是，表征重介子多体衰变的运动学和角变量的分布是非平凡的，并且可以标示潜在的相互作用物理。在由大型强子对撞机和味工厂的出现所开启的高亮度时代，微分测量越来越不受统计精度的主导，而是需要精确确定同时依赖于若干变量且在这些变量上不可分解的效率。本文反思了多元技术在确定此类多维效率方面的潜力。我们进行了两项案例研究，表明多层感知机神经网络能够以最小的分析代价，确定并修正重建和选择标准在衰变 $B^{0}\rightarrow K^{*0}(\rightarrow K^{+}\pi^{-}) \mu^{+}\mu^{-}$ 和 $D^{0}\rightarrow K^{-}\pi^{+}\pi^{+}\pi^{-}$ 的多维相空间中引入的畸变。我们得出结论，该方法已可用于统计精度尚未达到百分之一水平的测量，并且借助更精密的机器学习方法，上述潜力非常可观。