利用卷积神经网络研究强子量能器中prompt与位移喷注的能量沉积模式
高能物理 - 唯象学
2019-12-17 v3
摘要
复杂的机器学习技术在大型强子对撞机（LHC）上寻找超越标准模型的新物理方面具有广阔潜力。卷积神经网络（CNN）可为区分标准模型 prompt 粒子与各种超越标准模型模型中预测的长寿命粒子在量能器中的能量沉积模式提供强大工具。我们通过使用来自合理动机的 BSM 场景（预测产生位移喷注的长寿命粒子）的几个物理例子来展示 CNN 的实用性。我们的工作表明，现代机器学习技术有潜力区分 prompt 与长寿命粒子的能量沉积模式，因此可在此类搜索中作为有用工具。
引用
@article{arxiv.1904.04811,
title = {Study of energy deposition patterns in hadron calorimeter for prompt and displaced jets using convolutional neural network},
author = {Biplob Bhattacherjee and Swagata Mukherjee and Rhitaja Sengupta},
journal= {arXiv preprint arXiv:1904.04811},
year = {2019}
}
备注
32 pages, 17 figures; version accepted for publication in JHEP