利用深度学习重建深度非弹性散射的运动学
高能物理 - 实验
2022-01-03 v2 高能物理 - 唯象学
核实验
摘要
我们引入一种利用深度神经网络（DNN）重建中性流深度非弹性散射（DIS）运动学的方法。不同于传统方法，它利用散射电子与强子末态的全部运动学信息，并通过识别含辐射光子的事件与事件级动量不平衡来考虑 QED 辐射。该方法在 HERA 与未来电子-离子对撞机（EIC）的模拟事件上进行了研究。我们表明 DNN 方法在整个相空间上优于所有传统方法，改善了分辨率并减小了偏差。我们的方法有望拓展 EIC 未来实验的运动学覆盖范围，从而提升其在极化与核 DIS 中的发现潜力。
引用
@article{arxiv.2110.05505,
title = {Reconstructing the Kinematics of Deep Inelastic Scattering with Deep Learning},
author = {Miguel Arratia and Daniel Britzger and Owen Long and Benjamin Nachman},
journal= {arXiv preprint arXiv:2110.05505},
year = {2022}
}
备注
This is the published version, which was accepted for publication December 4, 2021