利用深度神经网络通过 ATLAS 探测器对大半径喷流进行能量与质量同时校准

喷流的能量和质量测量是大型强子对撞机实验的关键任务。本文提出一种新的校准方法，利用深度神经网络（DNN）对 ATLAS 探测器测得的大半径喷流的这些量进行同时校准。为解决校准问题的特殊性，采用了特殊的损失函数与训练流程，并使用了包含特征标注与残差连接层的复杂网络架构。在一系列广泛测试中，将基于 DNN 的校准与标准数值方法进行比较。发现在几乎所有测试和相关运动学相空间的大部分区域中，DNN 方法表现显著更优。特别是，它持续改善了能量与质量分辨率，对横动量 $p_{\text{T}}>500$ GeV 获得了提升 30% 的能量分辨率。