树模型与神经网络在增强质子-质子碰撞中 tau 轻子实时选择上的对比
高能物理 - 实验
2024-04-23 v2 机器学习
仪器与探测器
摘要
本文介绍了用于质子-质子对撞机中强子衰变 tau 轻子实时选择（触发）的监督学习技术。通过实现经典的机器学习决策树和先进深度学习模型，如多层感知机或残差神经网络，观察到相比标准阈值 tau 触发器的性能有显著提升。我们展示了此类实现如何降低选择能量阈值，从而有助于提高以低能 tau 轻子分类的质子-质子碰撞中新现象搜索的灵敏度。此外，我们分析了在 tau 触发中使用神经网络优于决策树的时机，并得出对物理学中其他问题相关的结论。
引用
@article{arxiv.2306.06743,
title = {Trees versus Neural Networks for enhancing tau lepton real-time selection in proton-proton collisions},
author = {Maayan Yaary and Uriel Barron and Luis Pascual Domínguez and Boping Chen and Liron Barak and Erez Etzion and Raja Giryes},
journal= {arXiv preprint arXiv:2306.06743},
year = {2024}
}