大型强子对撞机上基于深度学习的类矢量轻子唯象研究
高能物理 - 唯象学
2021-02-03 v1 高能物理 - 实验
摘要
本文提出一个受大统一原理启发、在低能标下包含三代类矢量费米子、新 Higgs 双重态及丰富中微子扇区的模型。利用前沿深度学习技术，我们首次对该模型进行唯象分析，聚焦于新型带电类矢量轻子（VLLs）及其在 CERN 大型强子对撞机（LHC）上的可能信号。数值分析中，我们考虑矢量玻色子融合与 VLL 对产生拓扑的信号事件，二者均含末态为一对不同味带电轻子对及提供丢失能量的两个无菌中微子。我们还考虑 VLL 单产生情形，此时末态除一对无菌中微子外仅含一个带电轻子。所有计算可观测量均作为深度学习分析的数据集提供，其中构建的神经网络基于演化算法所得结果，旨在针对不同 VLL 质量最大化准确率度量或 Asimov 显著性。综合三种拓扑效应，我们发现高亮度 LHC 上观测新 VLLs 的联合显著性可从质量 时的 到质量 时的高达 。我们还表明，至 LHC 第三运行期结束，一个 的 VLL 可以 8.8 个标准偏差的置信度被排除。所得结果显示，我们的模型可在 LHC 运行结束前被充分探测，尤其可提供重要唯象信息以约束所考虑大统一图像中涌现的新规范对称性能量标度。
引用
@article{arxiv.2010.01307,
title = {Phenomenology of vector-like leptons with Deep Learning at the Large Hadron Collider},
author = {Felipe F. Freitas and João Gonçalves and António P. Morais and Roman Pasechnik},
journal= {arXiv preprint arXiv:2010.01307},
year = {2021}
}
备注
60 pages, 31 figures, 15 tables