VBF 与 GGF 希格斯玻色子产生过程的全事件深度学习：迈向衰变无关标记器
高能物理 - 唯象学
2022-11-07 v2 高能物理 - 实验
摘要
我们研究了在 LHC 上区分矢量玻色子融合（VBF）与胶子-胶子融合（GGF）希格斯玻色子产生过程中，喷注级与事件级深度学习方法的优势。我们表明，在完整事件的完整低级输入上训练的各种分类器（CNN、基于注意力的网络）相比在喷注运动学与喷注形状上训练的浅层机器学习方法（BDT）取得了显著的性能提升，并阐明了这些性能提升的原因。最后，我们通过证明在移除希格斯衰变产物时事件级 CNN 的性能不变，朝着构建对希格斯衰变模式无关的 VBF 与 GGF 标记器的可能性迈出了初步步伐。这些结果凸显了 LHC 上事件级深度学习的潜在强大优势。
引用
@article{arxiv.2209.05518,
title = {VBF vs. GGF Higgs with Full-Event Deep Learning: Towards a Decay-Agnostic Tagger},
author = {Cheng-Wei Chiang and David Shih and Shang-Fu Wei},
journal= {arXiv preprint arXiv:2209.05518},
year = {2022}
}
备注
21 pages+appendices, 16 figures; added references, updated Pythia shower scheme for VBF, and added Appendix C for version 2