基于机器学习的顶点-希格斯耦合 ${\cal CP}$ 违规测量在 LHC 上的进展

对顶点-希格斯耦合进行精确测量在粒子物理学中至关重要，因为它提供了一种强大的探针，用于探寻标准模型之外（BSM）的潜在新物理，特别是涉及 ${\cal CP}$ 违规的情形，这是解决宇宙质量不平衡问题的关键条件。本文综述了在大型强子对撞机（LHC）上对顶点-希格斯耦合研究的最新进展。我们简要概述了最近应用于这些研究的机器学习（ML）算法及其在约束顶点-希格斯耦合 ${\cal CP}$ 相位方所发挥的作用，特别强调了超越传统方法（如变换器和异构图）在这些研究中未来的潜力。