利用自组织映射探测 LHC 中的异常事件

我们提出了一种基于神经网络架构的无监督学习算法——自组织映射（Self-Organizing Maps, SOM），用于探测由味改变中性流（Flavor Changing Neutral Current, FCNC）介导的稀有顶夸克衰变，即顶夸克衰变为粲夸克和 Higgs 玻色子，其中 Higgs 玻色子在 boost 状态下进一步衰变为一对 b 夸克或一对规范玻色子（$W^{\pm}/Z$）。理想情况下，源自 boosted 顶夸克衰变的粒子可重构出一个大半径 jet，其包含三叉子结构，并带有 b 和 c 标记的 subjets。SOM 算法已被证明是一种与模型无关的异常探测器，通过将不同的信号和背景区域映射到 Kohnen 映射上分离的非重叠簇中，用于探测 LHC 中的稀有衰变。这有助于识别具有更高信号显著性的信号区域。我们还讨论了该算法的鲁棒性，特别是对于其他 BSM 探针的与模型无关和依赖模型的搜索。