探索喷注次级结构理解
本文回顾了 Tevatron 和 LHC 中喷注亚结构的最新理论进展和实验结果,阐述了计算和模拟工具的现状和前景,重点讨论了称为 “顶标记器” 的变量和修整方法组合的一组基准比较,并尝试收集、协调和发布这些技术的软件实现,以促进进一步的探索。
Dec, 2011
本文综述了关于 Jet substructure 在大型强子对撞机的最新理论和机器学习进展,旨在成为物理原理的教育性介绍 和专家的全面参考,重点涵盖 Jet substructure observables 的计算、新 observable 的开发和 cutting edge 的机器学习技术。
Sep, 2017
使用 CMS 实验的公共数据,通过软簇群分解技术以及 CMS 的质子簇流重建算法,研究了喷注的 2 节枝亚结构,结果表明,在 CMS Open Data 与粒子发生器得到的结果之间存在较好的一致性。
Apr, 2017
本综述回顾了 ATLAS 和 CMS 实验使用最先进的喷注子结构技术的发展历程,为在大型强子对撞机中寻找新物理、探索标准模型特别是相空间极端区域提供了许多创新方法。
Mar, 2018
本文提出了一种新的喷注形状 --N-subjettiness,旨在识别电弱玻色子和顶夸克等提升强度衰变物体。 结合喷注不变质量截断,N-subjettiness 是标记增强物体和拒绝 QCD 喷注背景具有大不变质量的有效区分变量。 在对增强型 W 玻色子和顶夸克的效率研究中,我们发现可以实现 30%的标记效率,并且 1% 的误检率。 我们还考虑了分解成对增强物体的新重共振物质发现潜力,并发现使用 N-subjettiness 可以实现显着的改进。 这样,N-subjettiness 结合了喷注形状的优点和先前喷注子结构算法中观察到的区分能力。
Nov, 2010
本文介绍了一种名为 “soft drop declustering” 的新的喷注亚结构技术,该技术可以用于标记加速的 W 玻色子,并进行了软发射的关键参数 z_cut 和角指数 β 的计算,以及关于高阶效应的讨论,如多重辐射以及非全局对数的缺失。
Feb, 2014
我们介绍了广义能量关联函数如何用作喷注亚结构的强大探针,这些关联函数基于喷注内粒子的能量和成对角度,不需要显式识别子喷注区域,并且更好地探测到被其他方法掩盖的某些软和共线特征。我们通过三个蒙特卡罗案例研究展示了这些观测量的用途:用 2 点关联器进行夸克 / 胶子鉴别,用 3 点关联器进行增强 W/Z/Higgs 玻色子识别,用 4 点关联器进行增强顶夸克鉴别。
Apr, 2013
本文使用深度神经网络进行图像分类,无需专家特征即可区分大型强子对撞机数据中的单一强子粒子喷注和多重粒子喷注,效果与现有分析方法相当或略优。
Mar, 2016
通过重复剖分,Lund 图可以创造单个喷注的理论表述,提供一个强大的视觉表示,描绘粒子喷注中的辐射分布,其被证明在机器学习中可以有效应用于提高电弱玻色子鉴别和拟合模拟,并可以给出一些独特的见解和实验验证。
Jul, 2018
本文章介绍了基于图形神经网络和喷注内部辐射模式的高效描述的 LundNet,它可以最佳地分离受到提升的对象的特征和背景事件的签名,并在多个基准测试中展示了与现有最先进算法相比显着提高的性能。
Dec, 2020