揭示喷注子结构的潜在特征

我们应用贝叶斯生成统计建模技术，揭示喷注子结构观测量中隐藏的特征，这些特征可区分多喷注事件中不同的、先验未知的底层的短距离物理过程。具体而言，我们使用一种称为潜在狄利克雷分配（Latent Dirichlet Allocation）的混合隶属模型，构建数据驱动的、无监督的顶夸克标记子和 $t\bar t$ 事件分类器。我们将我们的方案与现有的传统及机器学习顶喷注标记方法进行比较。最后，采用玩具矢量-标量玻色子模型作为基准，我们展示了以模型无关且无监督的方式在多喷注事件中发现新物理（New Physics）信号的潜力。