使用去相关事件分类器Transformer神经网络训练以提升显著性

实验粒子物理学使用机器学习完成许多任务，其中一项应用是对信号和背景事件进行分类。这种分类可用于对分析区域进行分箱，以增强质量共振搜索的预期显著性。在自然语言处理中，领先的神经网络架构之一是Transformer。在这项工作中，提出了一种事件分类器Transformer来对分析区域进行分箱，其中网络使用特殊技术进行训练。这里开发的技术可以增强显著性并减少网络输出与重建质量之间的相关性。结果发现，经过训练的网络可以比提升决策树和前馈网络表现更好。