tZ 味改变中性流案例研究：大语言模型在粒子物理信号/本底判别分析中的应用
高能物理 - 唯象学
2026-02-23 v2
摘要
我们提出了一项案例研究，探索 OpenAI 的 o3 模型作为（固定拓扑结构内的）过程无关工具在高能物理分析中预测优化选择截断的潜力。具体来说，我们研究了该模型在味改变中性流（FCNC）顶夸克耦合背景下，从相关标准模型本底中分离信号的有效性，重点关注稀有衰变过程 t → uZ。该研究是在未来环形对撞机强子-强子模式（FCC-hh）设置下进行的。我们向 o3 模型输入信号和本底过程的探测器级数据，以预测能够增强信号与本底（S/B）区分的选择截断。然后，在 o3 预测截断、TMVA BDT 分离以及对照组使用的传统手动设计策略所产生的效率之间进行了比较分析；为了研究的完整性，所有方法均使用相同的参数。我们的结果表明，o3 模型的表现略优于对照组，表明其作为新物理搜索的快速且可泛化工具具有前景。同时，BDT 的结果显著高于 o3 和传统的基于截断的方法。此外，为了测试其局限性，我们将 o3 截断应用于通过已批准的高亮度大型强子对撞机（HL-LHC）和拟议的高能大型强子对撞机（HE-LHC）设置生成的数据，以检验其在提供 FCC 能量数据时，在不同能量尺度下的有效性。
引用
@article{arxiv.2507.04272,
title = {tZ FCNC Case study: LLM Application in signal/Background discrimination analyses in Particle Physics},
author = {A. Saqlain and Z. E. Çabukoğlu and J. Smiesko and S. Kartal},
journal= {arXiv preprint arXiv:2507.04272},
year = {2026}
}
备注
19 pages, 4 figures