深度学习顶级标记者还是QCD结束?

基于卷积神经网络的机器学习可用于研究LHC的喷射图像。 胖喷射器中的顶部标签提供了一个定义明确的框架，可以建立我们的DeepTop方法并将其性能与基于QCD的顶部标签进行比较。 我们首先优化网络架构，以识别标准模型生产渠道的蒙特卡洛模拟中的顶级夸克。 然后，使用标准的脂肪喷射器，将其性能与基于QCD的多变量顶部标签机进行比较。 我们发现这两种方法都可以产生可比的性能，将卷积网络建立为基于多元假设的顶部标记的有希望的新方法。