使用图神经网络对向量化 B 夸克的全 hadronic 奇异衰变进行标记

在我们此前关于 [J. Bardhan 等人, Machine learning-enhanced search for a vectorlike singlet B quark decaying to a singlet scalar or pseudoscalar, Phys. Rev. D 107 (2023) 115001; arXiv:2212.02442] 的基础上，我们研究了成对产生的向量化 B 夸克衰变为新建构的单色 (pseudo)标量场 $\Phi$ 和 $b$ 夸克的 LHC 前景。电弱对称性破缺后，$\Phi$ 主要衰变为 $gg/bb$ 最终态，导致完全 hadronic 的 $2b+4j$ 或 $6b$ 签名。由于大量标准模型背景以及缺乏夸克句柄，这是一个较难探测的通道。为克服这一挑战，我们采用包含图神经网络 followed by 深度神经网络 的混合深度学习模型。我们估计，此类最先进的深度学习分析管道可实现相当于半中性模式的性能，在 $B$ 完全 exotically 衰变时，即 BR$(B \to b\Phi) = 100\%$ 时，将发现 (排除) 达到约 $M_B=1.8\:(2.4)$ TeV 的 HL-LHC。