利用深度保对称注意力网络重建不稳定重粒子
高能物理 - 实验
2024-05-02 v3 机器学习
高能物理 - 唯象学
摘要
重建不稳定重粒子需要复杂的技术，以从大量可能的组合中筛选将探测器对象分配给底层部分子的方案。此前，基于广义注意力机制的方法——保对称注意力网络（SPA-NET）——已被应用于大型强子对撞机上仅产生强子喷注的顶夸克对衰变。在此，我们扩展了 SPA-NET 架构，以考虑多种输入对象类型（如轻子）以及全局事件特征（如缺失横动量）。此外，我们提供回归与分类输出来补充部分子分配。我们在顶夸克对半轻子衰变以及伴随希格斯玻色子产生的顶夸克对背景下，探究了 SPA-NET 扩展能力的性能。我们发现三项代表性研究的效能显著提升：ttH 搜索、顶夸克质量测量，以及衰变到顶夸克对的重 Z' 搜索。我们给出了消融研究，以深入揭示网络在各情形中学到了什么。
引用
@article{arxiv.2309.01886,
title = {Reconstruction of Unstable Heavy Particles Using Deep Symmetry-Preserving Attention Networks},
author = {Michael James Fenton and Alexander Shmakov and Hideki Okawa and Yuji Li and Ko-Yang Hsiao and Shih-Chieh Hsu and Daniel Whiteson and Pierre Baldi},
journal= {arXiv preprint arXiv:2309.01886},
year = {2024}
}
备注
Accepted by Nature Communications Physics, replaced with published version