文献

J-GLOBAL ID：201902263978533147   整理番号：19A1470582

機械学習による新しい共鳴の探索の拡張【JST・京大機械翻訳】

Extending the search for new resonances with machine learning

著者 (5件)： Collins Jack H. (Maryland Center for Fundamental Physics, Department of Physics, University of Maryland, College Park, Maryland 20742, USA) ,  Collins Jack H. (Department of Physics and Astronomy, Johns Hopkins University, Baltimore, Maryland 21218, USA) ,  Howe Kiel (Fermi National Accelerator Laboratory, Batavia, Illinois 60510, USA) ,  Nachman Benjamin (Physics Division, Lawrence Berkeley National Laboratory, Berkeley, California 94720, USA) ,  Nachman Benjamin (Simons Institute for the Theory of Computing, University of California, Berkeley, Berkeley, California 94720, USA)
資料名： Physical Review. D  (Physical Review. D)
巻： 99  号： 1  ページ： 014038  発行年： 2019年 
JST資料番号： D0748A  ISSN： 2470-0010  CODEN： PRVDAQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 新しい粒子を探索するための最も古く,最もロバストな技術は,滑らかに落下する背景にわたる不変質量スペクトルにおける「バンプ」を探すことである。著者らは,現代の機械学習アルゴリズムから自然に利益を得ているが,残りのモデルを残しているという新しい拡張について述べた。このアプローチは,不変質量が2つの潜在的に混合されたサンプルを生成するために使用されるラベル(CWoLa)法のない分類に基づいている。不変量と相関しない付加的特徴を分類器の訓練に用いることができる。大型ハドロン衝突器(LHC)における新しい物理学信号の欠如を考えると,そのようなモデル-アグノスティック手法は,LHC実験からの豊富なデータセットを完全に利用するための完全なカバレッジを確保するために重要である。新しい方法が簡単なテストケースでどのように動作するかを示すことに加えて,既存の技術ではカバーされないチャネルにおける現実的な全ハドロン共鳴探索における拡張バンプのパワーを実証した。Copyright 2019 The American Physical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 不変量 ,  質量スペクトル ,  学習アルゴリズム ,  チャネル ,  不変性 ,  ロバスト性 ,  *機械学習 ,  ハドロン ,  バンプ
準シソーラス用語： ハドロン共鳴 ,  テストケース ,  カバレッジ【プログラム検証】 ,  LHC実験 , 【Automatic Indexing@JST】

分類 (2件)： ゲージ場理論  (BF01022B) ,  一般相対論及び重力理論  (BA07030F)

タイトルに関連する用語 (4件)： 機械学習 ,  共鳴 ,  探索 ,  拡張