ParticleNet 及其在 CEPC 喷注味标记中的应用
高能物理 - 实验
2023-11-16 v3
摘要
在高中物理对撞机实验中，夸克味的识别至关重要，其依赖于味标记算法。在本研究中，利用环形正负电子对撞机（CEPC）的全模拟，我们研究了两种不同算法的味标记性能：最初在 CMS 开发的 ParticleNet，以及 CEPC 当前采用的味标记算法 LCFIPlus。与 LCFIPlus 相比，ParticleNet 显著增强了味标记性能，从而大幅提升了基准测量精度，即在 CEPC 作为希格斯工厂运行于质心能量 240 GeV、积分亮度 5.6 时， 测量提升 36%，通过 W 玻色子衰变测量 提升 75%。我们比较了 ParticleNet 和 LCFIPlus 在不同顶点探测器配置下的性能，观察到内半径是其中最敏感的参数为，其次是材料预算和空间分辨率。
引用
@article{arxiv.2309.13231,
title = {ParticleNet and its application on CEPC Jet Flavor Tagging},
author = {Yongfeng Zhu and Hao Liang and Yuexin Wang and Huilin Qu and Chen Zhou and Manqi Ruan},
journal= {arXiv preprint arXiv:2309.13231},
year = {2023}
}