基于对称性保持注意力网络的无排列多喷注事例重建

在大型强子对撞机上产生的大量顶夸克具有复杂的探测器特征，需要特殊的重建技术。最常见的衰变模式“全喷注”道导致6喷注末态，由于在$pp$碰撞中可能存在大量排列，其重建尤为困难。我们提出了一类问题的新方法，基于使用广义注意力机制的神经网络，称之为对称性保持注意力网络（SPA-Net）。我们训练了一个这样的网络，以明确且无组合爆炸地识别每个顶夸克的衰变产物，作为该技术威力的一例。该方法显著优于现有最先进方法，分别在$93.0$的$6$-喷注、$87.8$的$7$-喷注和$82.6$的$\geq 8$-喷注事例中正确分配所有喷注。