资源简介
在本文中,我们建议使用卷积神经网络(CNN)来改善轻子对撞机上希格斯玻色子-胶子有效耦合的精度。 CNN用于识别希格斯玻色子和Z玻色子相关的生产过程,希格斯玻色子在质心能量250 GeV和积分光度5 ab处衰变成胶子对,而Z玻色子衰变成轻子对。 -1。 通过使用CNN,有效的耦合测量的不确定性可以使用pythia数据从1.94%降低到约1.28%,使用蒙特卡罗模拟中的herwig数据可以从1.82%降低到约1.22%。 此外,使用不同最终状态成分的CNN的性能表明,领先和次领先射流成分的能量分布在识别中起主要作用,与使用常规CNN相比,使用CNN进行有效耦合的最佳不确定性降低了约35%。
代码片段和文件信息
相关资源
- 使用分离的光子标记射流观察sNN = 5
- 希格斯玻色子在e + e−对撞机上的
- 双电荷希格斯玻色子在未来的电子质
- 在100 TeV质子对撞机上将希格斯玻色子
- 未来轻子对撞机中希格斯玻色子的线
- 电子-正负电子对撞机产生希格斯玻色
- 用SU5大统一理论解释750 GeV双光子过量
- 搜索希格斯玻色子衰变为bb的暗物质的
- 大型强子对撞机在压缩质量情景中寻
- 在8 TeV的pp碰撞中,在具有射流无论是
- 使用ATLAS探测器在LHC的s = 13 TeV pp碰撞
- 在13 TeV pp碰撞中具有光子和缺少横向
- 在s = 13 $$ \\ sqrt {s} = 13 $$ TeV的质子-质
- 在s = 13 TeV的质子-质子碰撞中使用延迟
- 在s = 13 $$ \\ sqrt {s} = 13 $$ TeV的质子-质
- SO10GUT的隐藏风味对称性
- 最小SUSY SO10GUT中质子衰减与PMNS相之间
- 带有Mordell–Weil U1的F-GUT
- 具有向量状家族和中微子质量起源的
- Froggatt-Nielsen与Mordell-Weil会面:对具有
- 中微子辅助GUT重生
- F理论模型中GUT和双胞胎的相对比例
- 风味GUT模型中的中微子质量反序
- GUT启发的量表-希格斯统一现象学
- 750 GeV双光子和超对称大统一
- 受E 6 GUT启发,在疏疏性U1‘模型中7
- 具有暗光子入口的复合不对称暗物质
- F理论和750 GeV双光子中的类矢量外来物
- 非SUSY SO10GUT中具有规范耦合统一和质
- F理论GUT中的E 6过量750 GeV双光子
评论
共有 条评论