未来$e^+e^-$对撞机中基于粒子流的$\tau$鉴别
摘要：鉴于其性能，研究并比较了识别未来高能$ e^{+}e^{-} $对撞机中的强子Z玻色子衰变（$ au_h $）的不同算法。研究的算法包括CMS协作开发的“强子加带状”和DeepTau算法，用于LHC中的$ pp $碰撞，以及两种新的基于神经网络的算法LorentzNet和ParticleTransformer，最初用于喷注风格标记，并针对$ au_h $识别任务进行了改进。该算法使用粒子流方法重建的粒子作为输入。表现最佳的算法对夸克和胶子喷注的平均错判率为$ 4.0 \times 10^{-5} $，对平均强子$ au $识别效率为$ 60\% $。这个性能为未来高能$ e^{+}e^{-} $对撞机中涉及强子$ au $衰变的物理分析提供了非常有前景的前景。
作者：Torben Lange, Saswati Nandan, Joosep Pata, Laurits Tani, Christian Veelken
论文ID：2307.07747
分类：High Energy Physics - Experiment
分类简称：hep-ex
提交时间：2023-07-18