利用深度神经网络对近简并重希格斯信号混合的估计
高能物理 - 唯象学
2018-12-14 v3 高能物理 - 实验
摘要
如果在未来的 LHC 数据中确立了一个新信号，下一个问题将是确定信号组成，特别是该信号是否源于多个近简并态。我们研究了一种深度学习方法在信号混合估计中的表现，针对来自一对具有相反 CP 电荷的简并希格斯玻色子的双tau信号这一挑战性情形。这构成了一个具有高度重叠特征的混合模型的参数估计问题。我们使用对神经网络输出的非分箱最大似然拟合，并将结果与通过单一运动学变量拟合进行的混合估计进行比较。对于我们的基准情形，我们发现估计不确定度改善了约 20%。
引用
@article{arxiv.1804.07737,
title = {Signal mixture estimation for degenerate heavy Higgses using a deep neural network},
author = {Anders Kvellestad and Steffen Maeland and Inga Strümke},
journal= {arXiv preprint arXiv:1804.07737},
year = {2018}
}
备注
v2, 12 pages, 7 figures, published in EPJC