学习如何从数据中分离出缪子
摘要：使用无标记的碰撞数据和弱监督学习训练模型，以能够利用与μ子附近的低级粒子活动模式区分即时μ子和非即时μ子，并在能量流多项式空间中解释模型。与μ子相关的粒子活动是识别由重玻色子衰变引起的即时μ子与由重味喷注衰变产生的μ子的宝贵工具。高维信息通常被减少为单一标量量隔离，但之前在模拟样本中的工作表明，这种减少中丢失了有价值的区分信息。我们在由CMS实验记录的LHC碰撞中扩展了这些研究，其中真实的类别标签不可用，需要使用不变质量谱获取宏观样本信息。这使我们能够使用无标签分类（CWoLa），一种弱监督学习技术来训练模型。我们的结果证实，隔离不如完整的低级能量计信息描述事件，我们能够找到能够填补性能差距的单一能量流多项式。这些多项式与模拟推导的多项式不同，突显了直接在数据上进行训练的重要性。
作者：Edmund Witkowski, Benjamin Nachman, Daniel Whiteson
论文ID：2306.15737
分类：High Energy Physics - Experiment
分类简称：hep-ex
提交时间：2023-06-29