基于弱监督学习的夸克胶子喷注判别
高能物理 - 唯象学
2020-12-07 v1 高能物理 - 实验
摘要
深度学习技术目前正在被研究用于高能物理实验，以解决广泛的问题，其中夸克与胶子判别已成为新算法的基准。一个弱点是传统上依赖蒙特卡洛模拟，而其在深度学习算法所需细节上可能建模不佳。弱监督学习范式通过使用具有不同夸克-胶子比例的样本而非完全标注样本，给出了分类的替代途径。因此，该范式对粒子物理分类问题具有巨大潜力，因为这些弱监督学习方法可直接应用于对撞数据。在本研究中，我们表明可使用双喷注和 Z+喷注事件的真实模拟样本，通过弱监督学习来判别夸克与胶子喷注。我们实现并比较了基于三种不同机器学习方法的弱监督学习在夸克-胶子喷注分类上的性能：基于喷注图像的卷积神经网络、基于粒子的循环神经网络以及基于特征的提升决策树。
引用
@article{arxiv.2012.02540,
title = {Quark Gluon Jet Discrimination with Weakly Supervised Learning},
author = {Jason Sang Hun Lee and Sang Man Lee and Yunjae Lee and Inkyu Park and Ian James Watson and Seungjin Yang},
journal= {arXiv preprint arXiv:2012.02540},
year = {2020}
}