将来のレプトンコライダーでのHiggsダイジェット崩壊の深く学んだ前選択【JST・京大機械翻訳】

Chigusa So; Li Shu; Nakai Yuichiro; Zhang Wenxing; Zhang Yufei; Zheng Jiaming

プレプリント

J-GLOBAL ID：202202209397325254 整理番号：22P0285146

将来のレプトンコライダーでのHiggsダイジェット崩壊の深く学んだ前選択【JST・京大機械翻訳】

Deeply Learned Preselection of Higgs Dijet Decays at Future Lepton Colliders

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月05日プレプリントサーバーでの情報更新日： 2022年07月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

将来の電子-陽電子衝突器は,粒子物理学における中心関心事の1つであるHiggsボソン結合の精度測定において主要な役割を果たすであろう。底部,チャームおよびストレンジクォークに対するHiggs結合を測定する性能を最大化するために,著者らは,ジジェットに減衰するHiggsによるイベントの選択を改善する機械学習法を開発した。著者らの方法は,ブーステッドディシジョンツリー(BDT),完全接続ニューラルネットワーク(FCNN)および畳込みニューラルネットワーク(CNN)に基づいている。著者らは,BDTとFCNNベースのアルゴリズムが従来のカットベースの方法より優れていることを見出した。FCNNを用いてジジェット事象に減衰するHiggsの改善された選択により,チャーククォーク信号強度は16%の誤差で測定され,これはカットベース解析で得られた34%の精度よりも約2倍良い。また,ストレンジクォーク信号強度は,FCNNで95%C.L.でμ_ss≦sssim35として制約され,これはカットベース法で得られたμ_ss≦sssim70と比較される。【JST・京大機械翻訳】

, , , , , , , ,
, , , , 【Automatic Indexing@JST】

電磁場と統一ゲージ場 , 素粒子と場の理論一般

前のページに戻る