用神经网络解析双轻子 $t \bar t$ 事件拓扑中的组合歧义
高能物理 - 唯象学
2022-06-28 v2
摘要
我们研究深度学习在 LHC 上含两个不可见粒子的类 SUSY 事件中解决组合问题的潜力。作为具体例子，我们聚焦于双轻子 事件，其中组合问题成为二分类问题：将正确的轻子与来自顶夸克衰变的每个 夸克配对。我们考察若干机器学习算法的性能，包括基于注意力（attention）的网络——其已用于 产生全强子道中的类似问题；以及洛伦兹增强网络（Lorentz Boost Network），其受物理原理启发。我们随后考虑底层能谱未知因而无运动学端点信息可用的普遍情形。与基于运动学变量的现有方法相比，我们证明利用深度学习技术极大提升了选择正确配对的效率。
引用
@article{arxiv.2202.05849,
title = {Resolving Combinatorial Ambiguities in Dilepton $t \bar t$ Event Topologies with Neural Networks},
author = {Haider Alhazmi and Zhongtian Dong and Li Huang and Jeong Han Kim and Kyoungchul Kong and David Shih},
journal= {arXiv preprint arXiv:2202.05849},
year = {2022}
}
备注
22 pages, 15 figures, 1 table, matches the published version