使用深度学习测量等号WW散射中的极化分数

研究大型强子对撞机的W±W±散射的纵向极化分数对于通过希格斯和可能的新物理学研究矢量玻色子散射幅度的统一化机制至关重要。 我们首次在这里应用深度神经网络分类来提取纵向分数。 基于使用Delphes框架实现的快速仿真，发现在所有Dijet质量区域上，深度神经网络都可以实现并且具有强大的改进能力。 保守的估计表明，使用高亮度LHC设计的3000 fb-1的光度，可以达到四个标准偏差的显着性。