LHC 窄共振搜索中半监督神经网络分类器的试验因子
高能物理 - 唯象学
2024-11-22 v4
摘要
为了减轻大型强子对撞机（Large Hadron Collider, LHC）上新窄共振搜索的模型依赖性，可以使用半监督神经网络（Neural Networks, NNs）。与完全监督分类器不同，这些模型在优化响应分布阈值的过程中引入了额外的“别处看”效应。我们进行了一项频率主义研究，以试验因子的形式量化这一效应。作为示例，我们考虑模拟的 数据，使用半监督 NN 分类器执行窄共振搜索。该分析的结果证实，半监督 NN 引起的“别处看”效应是可控的。
引用
@article{arxiv.2404.07822,
title = {Trials Factor for Semi-Supervised NN Classifiers in Searches for Narrow Resonances at the LHC},
author = {Benjamin Lieberman and Salah-Eddine Dahbi and Andreas Crivellin and Finn Stevenson and Nidhi Tripathi and Mukesh Kumar and Bruce Mellado},
journal= {arXiv preprint arXiv:2404.07822},
year = {2024}
}
备注
22 pages, 13 figures, with few minor corrections