在$$ M_ {t \ bar {t}} $$ Mtt之外:学习在LHC上寻找广泛的$$ t \ bar {t} $$ tt共振

在对撞机实验中，不变质谱中的共振峰一直是粒子的主要特征。 但是，一般在标准模型之外的新物理模型中预测不会出现如此尖锐峰值的宽共振。 没有高峰，我们如何在对撞机上发现广泛的共鸣？ 我们使用机器学习技术来探索常识以外的答案。 我们了解到，通过将深层神经网络应用于$$ t \ bar {t} $$ tt共振的情况，不变质量$$ M_ {t \ bar {t}} $$ Mtt仍然有用， 但是来自非共振区域，角度相关性，$ p_T $$ pT和顶部射流质量的其他信息也非常重要。 结果，改善的LHC敏感性不强烈取决于宽度。 结果也可能暗示附加信息也可以用于改善窄共振搜索。 此外，我们还将详细介绍如何评估机