机器学习分类:在LHC处H→ττ衰减的希格斯玻色子CP态的情况
机器学习(ML)技术正在高能物理数据分析方法中迅速找到一席之地。对于基于对问题的物理学认识,应该花多大的精力来构建高级变量,以及何时足够依赖低级变量,使ML方法无需明确的物理模型就能找到模式,因此探索了不同的方法。在本文中,我们将继续讨论先前的出版物,其中涉及连续的τ±→ρ±ν的H→ττ衰变通道的希格斯玻色子测量的CP状态。ρ±→π±π0和τ±→a1±ν;a1±→ρ0π±→3π±级联衰减。使用深度神经网络(DNN),将希格斯玻色子CP状态的判别作为CP偶数(标量)和CP奇数(伪标量)状态之间的二进制分类问题进行研究。讨论了从直接不可测量的传出中微子的约束对分类的改进。我们发现
用户评论