结合最近邻回归器与神经网络分类器重建缺失共振态

中微子、暗物质和长寿命中性粒子在穿过粒子探测器时不留痕迹，带走了有关其母粒子和相互作用源的信息，而这些信息是重建诸如不变质量分布中的共振峰等关键变量所必需的。在这项工作中，我们展示了结合深度神经网络分类器的 $k$-最近邻回归器算法（$k$NN）能够从可用的可观测探测器级信息中，准确恢复新重 Higgs 玻色子及其标准模型背景的全轻子 $WW$ 质量的分箱分布。回归器的输出可用于训练更强的分类器，以在全轻子情况下区分信号与背景，并保证选择具有增强统计显著性的在壳 Higgs 玻色子。该方法假设预先已知事件类别和模型参数，因此适用于发现后的研究。