基于神经网络喷注子结构谱分析：增强希格斯玻色子情形
高能物理 - 唯象学
2018-10-31 v2 高能物理 - 实验
机器学习
摘要
来自增强重粒子的喷注具有典型角尺度，可用于将其与QCD喷注区分。我们引入一种利用角尺度上谱函数的机器学习策略用于喷注子结构分析。角谱使我们能够以高度直观的方式扫描一对粒子间夹角上的能量沉积。我们建立了一个人工神经网络（ANN）来识别重粒子衰变喷注谱的特征形状。以希格斯喷注和QCD喷注为例，我们表明角谱输入的ANN具有与现有标记器相似的性能。此外，当发生额外的辐射时可见一定改善。值得注意的是，新算法自动结合了喷注中多点关联的信息。
引用
@article{arxiv.1807.03312,
title = {Spectral Analysis of Jet Substructure with Neural Networks: Boosted Higgs Case},
author = {Sung Hak Lim and Mihoko M. Nojiri},
journal= {arXiv preprint arXiv:1807.03312},
year = {2018}
}
备注
18 pages, 12 figures, published in JHEP. A cut-based analysis is added