在FCC-hh上利用机器学习技术标记超高动量喷注
高能物理 - 唯象学
2025-11-18 v2 高能物理 - 实验
摘要
未来环形强子对撞机（FCC-hh）将探测前所未有的能量状态，从而能够在数十TeV的尺度上直接寻找新的基本粒子。FCC-hh目前正处于规划阶段，其主要物理目标之一是通过探索以前无法触及的运动学领域来寻找超越标准模型的物理。虽然涉足未知的高能领域令人兴奋，但重建具有巨大横动量的物体将需要克服重大的实验挑战。本研究探讨了在三种超越标准模型场景下对 boosted 玻色子和 boosted top 夸克的识别：重矢量-like夸克（）、重中性规范玻色子（）和重中性Higgs玻色子（）。我们采用机器学习技术，包括极端梯度提升（XGBoost）和卷积神经网络（CNN），从对撞机中的标准模型背景中识别这些超高动量物体。我们评估了这些技术在极高横动量（）值下将 喷注和 top 喷注与QCD喷注区分开来的性能，展示了它们在未来FCC-hh分析中的潜力。
引用
@article{arxiv.2501.06702,
title = {Tagging ultra-boosted jets at FCC-hh using machine learning techniques},
author = {Sanchari Bhattacharyya and Biplob Bhattacherjee and Camellia Bose and Debtosh Chowdhury and Swagata Mukherjee},
journal= {arXiv preprint arXiv:2501.06702},
year = {2025}
}
备注
71 pages, 33 figures