喷注淬灭的信息内容与机器学习辅助的观测量设计

高能重离子碰撞中产生的喷注由于与退禁闭的强耦合夸克-胶子等离子体（QGP）相互作用，相较于质子-质子碰撞中的喷注发生了改变。本工作中，我们采用机器学习技术识别区分重离子碰撞喷注与质子-质子碰撞喷注的重要特征。我们使用二分类公式化该问题，并聚焦于以指导喷注修正理论计算的方式利用机器学习：（i）我们从红外共线（IRC）安全性以及硬发射与软发射的角度量化信息内容；（ii）我们识别原则上可在微扰 QCD 中计算的最优判别观测量；（iii）我们评估由于重离子底层事件和本底扣除算法导致的信息损失。我们使用蒙特卡洛事件生成器阐释了我们的方法，发现关于喷注淬灭的重要信息不仅存在于硬分裂中，也存在于喷注内部的软发射和 IRC 不安全物理中。该信息似乎被底层事件显著削弱。我们讨论了这对利用喷注淬灭提取 QGP 性质前景的意义。由于训练标签确切已知，该方法可直接用于实验数据而无需依赖建模。我们概述了此类实验分析如何开展，以及其如何指导未来测量。