Introduction to HOBIT, a b-Jet Identification Tagger at the CDF Experiment Optimized for Light Higgs Boson Searches
我们提出的发展和验证的希格斯优化b识别标签（HOBIT），多变量b喷流识别算法优化希格斯玻色子搜索CDF实验在费米实验室Tevatron。在对撞机实验中，b标记器允许人们区分包含B强子的粒子喷流和其他喷流;这些算法已经在CDF中使用了很多年，并取得了巨大的成功。HOBIT是专门为寻找通过H衰变的轻希格斯玻色子而设计的。b \bar{b}。这一事实结合HOBIT综合和扩展以前的标记器的最佳思想的程度，使HOBIT在CDF b标记算法中独一无二。采用前馈神经网络架构，HOBIT提供范围从大约-1（“类光射流”）到1（“类b-jet”）的输出值;该连续输出值已被调谐以在光希格斯玻色子搜索分析中提供最大灵敏度。当调整到等效的光喷流排斥率时，HOBIT标记了模拟的120 GeV/c2希格斯玻色子事件中54%的b喷流，而CDF最常用的b标记器SecVtx则为39%。我们目前的特点，以及其表征的形式，b-喷气机发现效率和假（光喷射）标签率的标签。
2012-05-07 hep-ex
DNN-based identification of additional b jets for a differential $t\bar{t}b\bar{b}$ cross section measurement
本文提出一种基于DNN的方法，用于在$t\ar{t}b\ar{b}$微分截面测量中识别不来自顶夸克衰变的额外b喷注，以探究该过程的多尺度QCD性质。
2024-01-15 hep-ex
Jet and hadron production in e+e- annihilations
LEP的DELPHI探测器特别适合强子识别和b引发喷流的识别。本说明介绍了根据这些特征得出的最新结果。
1999-11-09 hep-ex
Measurement of the t t-bar Production Cross Section in pp Collisions at 7 TeV in Lepton + Jets Events Using b-quark Jet Identification
在质心能量为7 TeV时，利用LHC CMS实验收集的数据，对pp到t t棒的包容性产生截面进行了新的测量.分析使用的数据样本对应于一个积分亮度的36个倒数皮巴，是基于一个孤立的，高横向动量μ介子或电子，缺少横向能量，强子喷流的最终状态。所选事件的ttbar内容的增强，要求至少有一个喷流的存在下，符合b-夸克强子化。测得的截面为150 +/- 9（静态）+/- 17系统）+/- 6（流明）与高阶QCD计算结果一致。将该测量结果与先前基于双轻子的CMS结果相结合，得到154 +/- 17（统计值+系统）+/- 6（流明）PB.
2011-08-18 hep-ex
Identification of b-quark jets with the CMS experiment
在大型强子对撞机上，对b夸克喷流的识别对于寻找新物理和测量标准模型过程是非常重要的。CMS已经开发了多种算法，以基于诸如带电粒子径迹的碰撞参量、重建的衰变顶点的性质、轻子的存在或不存在或其组合等变量来选择b夸克喷流。这些算法的性能已被测量使用的数据在大型强子对撞机质子-质子碰撞，并与基于模拟的预期相比。本研究中使用的数据是在2011年记录的，sqrt（s）= 7 TeV，总积分亮度为5.0个反飞秒。在多喷注和t夸克对产生的事例中测量了标记b夸克喷注的效率。CMS在多喷注事件中，轻部分子错误识别概率为10%时，b喷注标记效率达到85%。对于需要更高纯度的分析，对于70%的b-jet标记效率，错误识别概率仅为1.5%。
2013-05-29 hep-ex
Performance of $b$-Jet Identification in the ATLAS Experiment
识别含有$b$强子的喷流对于大型强子对撞机上ATLAS实验的物理方案非常重要。几种算法来识别含有$b$强子的喷流，从那些基于重建的包容性的第二顶点或存在的轨道与大碰撞参量的组合标记算法，利用多变量判别。提出了一种基于喷流内部μ子重构的独立的$b$标记算法和在线触发中使用的$b$标记算法，并用多种互补方法测量了$b$标记喷流的效率、$c$标记喷流的效率和对淡味喷流的错误率。标定结果以标度因子的形式表示，标度因子定义为数据中的效率（或错误率）与模拟中的效率之比。对于$b$喷流，存在一种以上的校准方法，考虑到统计相关性以及系统不确定性来源的相关性，将各种分析的结果结合起来。
2016-04-05 hep-ex
A new calibration method for charm jet identification validated with proton-proton collision events at $\sqrt{s}$ = 13 TeV
大型强子对撞机的许多测量需要有效地识别重味喷流，即源自底夸克（b）或粲夸克（c）的喷流。概述了用于识别c射流的算法，并提出了一种新的方法来校准它们。这种新方法调整的算法时，得到的输出的整个分布适用于不同口味的射流。它是基于一个迭代的方法，利用三个不同的控制区域，丰富的b喷气机，c喷气机，或轻味和胶子喷气机。结果以校正因子的形式呈现，这些校正因子使用质子-质子碰撞数据进行评估，其中积分亮度为41.5 fb $^{-1}$，$\sqrt{s}$ = 13 TeV，由CMS实验在2017年收集。封闭的方法进行了测试，通过应用模拟数据集的实测修正系数，并检查调整后的模拟和碰撞数据之间的协议。此外，通过在模拟不同误校准条件的伪数据上测试该方法来进行验证。校准结果使得能够使用重口味识别算法输出的全分布，例如作为机器学习模型的输入。因此，它们有望提高未来物理分析的灵敏度。
2022-03-21 hep-ex
Identification and rejection of pile-up jets at high pseudorapidity with the ATLAS detector
排除由额外的质子-质子相互作用（堆积）产生的前向喷流对于LHC的各种物理分析至关重要，包括标准模型测量和对标准模型之外的物理的搜索。由于缺乏在伪快度范围$|η|>2.5$内的轨道和顶点信息，识别这种喷流是具有挑战性的。本文提出了一种新的策略，利用堆积相互作用中的射流形状和拓扑射流相关性，向前堆积射流标记。每喷注标记效率的测量使用的数据集的3.2 $fb^{-1}$的质子-质子碰撞的质量中心的能量为13 TeV的ATLAS探测器收集。堆积射流的分数拒绝范围$2.5<|η|<4.5$估计在模拟事件中，平均22个相互作用，每束交叉。它增加射流的横向动量，并与20和50 GeV之间的横向动量的射流，它的范围在49%和67%之间的效率为85%的选择硬散射射流。一个案例研究是在希格斯玻色子生产通过矢量玻色子融合过程中进行的，表明这些技术减轻了由于额外的质子-质子相互作用的背景增长，从而提高了达到这样的签名。
2017-05-05 hep-ex
Tau lepton identification and reconstruction: a new frontier for jet-tagging ML algorithms
本文研究将深度学习喷注味标记算法（如LorentzNet和ParticleTransformer）端到端改造用于强子衰变τ轻子识别，并在细粒度模拟中证明其性能显著超越大型强子对撞机现有最先进τ_h重建与识别算法。
2023-12-06 hep-ex
Jet-Origin Identification and Its Application at an Electron-Positron Higgs Factory
本文提出喷注起源识别方法，将喷注分类为5种夸克、5种反夸克和胶子，并在CEPC希格斯工厂中将其应用于稀有和奇异希格斯衰变测量，显著提升了分支比上限的确定精度。
2024-06-07 hep-ex
b-jet Identification in PbPb Collisions with CMS
喷注猝灭的味依赖性是区分重离子碰撞中部分子能量损失模型的有力工具。我们证明了CMS的能力，以确定底夸克使用硅跟踪系统中重建的位移顶点发起的喷气机。在PbPb碰撞中测量了b-射流与包容性射流的比率，并将其与相同质心能量下的pp碰撞和模拟进行了比较。
2012-11-22 hep-ex nucl-ex
Measurement of the $b$-jet identification efficiency in dileptonic $t\bar{t}$ events using proton-proton collision data at $\sqrt{s}=13.6$ TeV collected with the ATLAS detector
EUROPEAN ORGANISATION FOR NUCLEAR RESEARCH (CERN)（欧洲核子研究中心）
利用LHC的ATLAS探测器在\(\sqrt{s}=13.6\) TeV下采集的质子-质子碰撞数据，从富含顶夸克对事件样本中同时提取\(b\)喷注识别效率等，对比GN2算法与DL1d，给出效率及修正因子等。
2026-07-07 hep-ex
FCC feasibility studies: Impact of tracker- and calorimeter-detector performance on jet flavor identification and Higgs physics analyses
本研究系统评估了FCC-ee探测器配置对喷注味鉴别及Higgs物理分析的影响，首次利用全探测器模拟研究不可见Higgs衰变探测，为未来探测器优化提供重要见解。
2025-09-16 hep-ex
Identification of heavy-flavour jets with the CMS detector in pp collisions at 13 TeV
在大型强子对撞机上，对标准模型之外的物理学的许多测量和研究都依赖于对重味喷流的有效识别，即源自底夸克或粲夸克的喷流。在本文中，判别变量和算法用于重味喷流识别在第一年的操作CMS实验中的质子-质子碰撞在一个中心的质量能量为13 TeV，提出。重味喷流识别算法已得到改进相比，以前使用的质心能量为7和8 TeV。对于在模拟$\mathrm{t}\overline{\mathrm{t}}$事件中预期范围内具有横向动量的射流，这些新的发展导致正确识别b型射流的效率为68%，而错误识别淡味射流的概率为1%。与以前的CMS算法相比，在此错误识别概率下的相对效率的提高约为15%。此外，第一次算法已被开发，以确定包含两个b强子的洛伦兹增强事件拓扑结构的喷气机，以及标记c喷气机。2016年在13 TeV的质心能量下记录的大数据样本也允许开发新方法来测量重味喷流识别算法的效率和错误识别概率。重味喷流识别效率的测量精度为百分之几，在中等射流横向动量（30和300 GeV之间）和约5%，在最高的射流横向动量（500和1000 GeV之间）。
2018-05-08 hep-ex physics.ins-det
Identification techniques for highly boosted W bosons that decay into hadrons
在大型强子对撞机能量体系中寻找新物理的过程中，区分由高横动量W玻色子衰变产物合并产生的单喷流物体和由单部分子引发的喷流变得越来越重要。算法被定义为识别不同信号的W喷流，使用的技术也适用于其他玻色子到强子的衰变，导致一个单一的喷流，如那些从高度提升的Z和希格斯玻色子玻色子。标记W喷流的效率测量的数据收集与CMS检测器的质心能量为8 TeV，对应的积分亮度为19.7反femtobarns。W标记的数据的性能进行了比较，从几个Monte Carlo模拟器的预测。
2014-12-09 hep-ex
ATLAS $b$-jet identification performance and efficiency measurement with $t\bar{t}$ events in $pp$ collisions at $\sqrt{s}=13$ TeV
在大型强子对撞机运行2期间，ATLAS合作组织使用的算法来识别含有$b$ -强子的喷流。算法的性能进行了评估，在模拟和效率，这些算法识别含有$b$ -强子喷流测量碰撞数据。该测量在高度富集$t\bar{t}$事件的样品中使用基于似然性的方法。的拓扑结构的$t \to W b$衰变被利用来同时测量两个射流味组合物的样品和效率的横向动量范围从20 GeV到600 GeV。随后，效率测量值与模拟预测的结果进行比较。该测量中使用的数据对应于80.5 fb $^{-1}$的总积分光度，是在2015年至2017年期间以质量中心能量$\sqrt{s}=$ 13 TeV在质子-质子碰撞中收集的。通过同时提取效率和喷气风味成分，与之前的结果相比，该测量显着提高了精度，不确定度范围为1%至8%，具体取决于喷气横向动量。
2020-01-28 hep-ex
JEDI-net: a jet identification algorithm based on interaction networks
我们研究了一种基于相互作用网络（JEDI网）的喷流识别算法的性能，以识别在LHC产生的高动量重粒子的所有强子衰变，并将它们与来自夸克和胶子强子化的普通喷流区分开来。射流动力学被描述为一组射流成分之间的一对一的相互作用。基于从这些交互中学习的表示，射流与所考虑的类别之一相关联。与其他架构不同，JEDI网络模型无需对稀疏输入射流表示进行特殊处理、进行广泛的预处理、进行粒子排序或对底层探测器几何结构进行特定假设即可实现其性能。所提出的模型用较少的模型参数给出了更好的结果，为LHC的应用提供了有趣的前景。
2020-01-28 hep-ex hep-ph
An artificial neural network based $b$ jet identification algorithm at the CDF Experiment
我们提出了一个新的多元$b$喷流识别算法（“$b$标签”）在CDF实验中使用的费米实验室Tevatron的发展和验证。在对撞机实验中，$b$标记器允许人们区分含有$B$强子的粒子喷流和其他喷流。采用前馈神经网络架构，这个标签是独一无二的，它强调使用来自个人轨道的信息。该标记器不仅包含多变量技术的通常优点，例如最大限度地利用射流中的信息和可调纯度/效率操作点，而且还能够仅用单个跟踪来评估射流。为了证明标记器的有效性，我们采用了一种新的方法，其中我们计算的假标签率和标签效率作为一个较低的阈值在$Z+1$喷气机和$t\bar{t}$候选样本，丰富的光味和$b$喷气机，分别喷气机的神经网络输出值的位置的函数。
2011-10-21 hep-ex physics.data-an
Exploring jets: substructure and flavour tagging in CMS and ATLAS
本文综述了ATLAS与CMS在喷注子结构和味标记中采用的前沿技术，包括先进神经网络、注意力机制和对抗训练，并通过比较分析揭示其异同与优劣。
2024-10-18 hep-ex
Identification of a bottom quark-antiquark pair in a single jet with high transverse momentum and its application
本文介绍了一种新的方法，利用喷注质心系中的喷注子结构来识别高横动量单喷注中的底夸克-反夸克对。我们证明了该方法可以用来区分衰变到$b\bar{b}$末态的助推重粒子和QCD喷注。标准模型希格斯玻色子（$H$）衰变到$b\bar{b}$时，与弱矢量玻色子产生搜索的应用程序也进行了讨论。
2015-11-19 hep-ex hep-ph
Performance of heavy-flavour jet identification in the CMS high-level trigger in proton-proton collisions at $\sqrt{s}$ = 13.6 TeV
EUROPEAN ORGANIZATION FOR NUCLEAR RESEARCH (CERN)（欧洲核子研究中心）
本文针对√s=13.6TeV质子-质子碰撞，研究CMS的HLT系统中基于深度学习的重味喷注鉴别算法，其提升了关键物理过程的信号效率，助力希格斯玻色子相关分析。
2026-08-20 hep-ex
Quantum Machine Learning for $b$-jet charge identification
机器学习算法在强子喷流分类问题中发挥了重要作用。应用于大型强子对撞机数据的各种模型表明，仍有改进的余地。在这种情况下，量子机器学习是一种新的，几乎未被探索的方法，其中量子计算的固有特性可以用来利用粒子相关性来改善射流分类性能。本文提出了一种新的方法来识别喷流中是否含有由$b$或$\bar{b}$夸克形成的强子。量子模型使用LHCb模拟进行训练和评估。将射流识别性能与深度神经网络模型进行比较，以评估哪种方法具有更好的性能。
2022-10-02 hep-ex quant-ph
Identifying the b quark inside a boosted hadronically decaying top quark using jet substructure in its center-of-mass frame
本文在喷注的质心标架下研究了强衰变顶夸克中b夸克的识别问题。我们证明，即使在非常高的堆积条件下，该方法也可以用来大大降低QCD喷流背景。在相同的信号效率下，与典型的b夸克识别算法相比，该方法对QCD喷注的假率要小得多。将喷注质心框架下的b夸克识别与喷注子结构信息相结合，可以在保持对提升顶夸克识别效率不变的情况下，将QCD喷注背景的剔除率提高近一个数量级。
2013-10-24 hep-ex hep-ph
Identification of Jet-like events using a Multiplicity Detector
提出了一种利用多重数探测器研究高能强子碰撞中喷注探测的方法。这样的研究扩大了LHC中多重性探测器在前向快速性方面的物理范围。在大型强子对撞机的能量下，喷流可能会在向前的快速性中产生显著的截面。多分辨率小波分析技术具有空间尺度局部性的特点，可以定位喷流的空间位置。离散小波被证明是非常有效的探测物理同时在相空间中的不同位置和在不同的尺度，以确定喷流事件。该分析利用的关键特征是由于喷射状事件和潜在事件导致的探测器局部区域中的粒子密度差异。我们发现，这种方法对检测射流的位置和大小有显着的灵敏度。可以发现射流的效率和纯度为46%。
2016-12-07 hep-ex nucl-ex
Identification of b-jets using QCD-inspired observables
我们研究了从只含有轻部分子的喷注中分离含有底夸克的强子喷注（$b$ -喷注）的问题。我们开发了一种新的方法来$b$标记，利用QCD启发的射流子结构观测值，如一维射流角度和二维主隆德平面的应用。我们证明，这些观测值可以作为输入到现代机器学习算法，以有效地分离$b$ -喷气机从轻的。为了测试我们的标记过程，我们考虑产生$Z$玻色子的模拟事件与喷流相关联，并表明使用喷流角度作为深度神经网络的输入，以及使用从主隆德喷流平面获得的图像作为卷积神经网络的输入，可以实现与传统的基于轨道的标记器的准确性相当的标记准确性。我们认为，互补使用的轨道为基础的标签连同那些基于QCD启发的可观的可以提高$b$标记的准确性。
2023-02-17 hep-ex hep-ph
Identification of high transverse momentum top quarks in $pp$ collisions at $\sqrt{s}$ = 8 TeV with the ATLAS detector
本文介绍了几种喷注子结构技术的性能研究，这是用来识别强子衰变的高横动量的顶夸克包含在大半径喷注。识别顶夸克的效率是使用一个样本的顶夸克对和错误识别喷流从其他夸克或胶子作为顶夸克的比率测量使用多喷流事件收集的ATLAS实验在20.3 fb $^{-1}$的8 TeV的质子-质子碰撞在大型强子对撞机。从蒙特卡罗模拟的预测发现，提供了一个准确的描述的性能。使用模拟的信号效率和背景抑制方面的技术进行了比较，涵盖了更大的范围内的射流横向动量比访问的数据集。此外，开发了一种新的技术，优化重建顶夸克的事件与许多喷流。
2016-07-04 hep-ex
Jet Flavour Tagging for Future Colliders with Fast Simulation
喷流味道识别算法对于最大限度地发挥未来对撞机实验的物理潜力至关重要。这项工作描述了一套新的工具，允许一个现实的模拟和重建的粒子水平的观测量，是必要的成分，以喷气式飞机的味道识别。本文提出了一种任意跟踪子探测器结构的带电粒子径迹参数和协方差矩阵的重建算法。已经实施了允许使用飞行时间和电离能量损失信息进行粒子识别的其他模块。基于图形神经网络结构和利用所有可用的颗粒级信息的喷气式飞机的香味识别算法已经开发。不同的检测器设计假设的味道标记性能的影响进行评估使用FCC-EE的IDEA检测器原型。
2022-02-07 hep-ex hep-ph
Study of quark and gluon jet identification in photoproduction at EIC
Brandeis University（布兰迪斯大学）；USAR and USBAS, Guru Gobind Singh Indraprastha University（古鲁戈宾德·辛格印度普拉斯塔大学）；Panjab University（潘杰布大学）；Amity University（阿米蒂大学）
研究EIC光产生事例中夸克与胶子喷注的识别方法及亚结构分析，为QCD研究提供基础。
2026-07-13 hep-ex hep-ph
W-jet Tagging: Optimizing the Identification of Boosted Hadronically-Decaying W Bosons
本文提出了一种利用喷注子结构区分强增强子衰变W喷注和QCD喷注的方法。以前的方法，如过滤/质量下降方法，可以给一个因子的S/sqrt（B）的改善为喷注pT > 200 GeV。相比之下，包括新判别式（如R-核心）的多变量方法（其表征W-射流的形状、次射流平面流和修整灵敏度）显示出在S/sqrt（B）中提供了约5倍的更大的改进因子。对于纵向极化的W，例如来自许多新物理模型的W，区分度甚至更好。比较不同的蒙特卡罗模拟，我们观察到一些变量的敏感性的基础事件，然而，即使是保守的估计，多变量的方法是非常强大的。应用半轻子WW共振搜索和所有强子W+喷流搜索在大型强子对撞机进行了讨论。实现我们的W-jet标记算法的代码可在http://jets.physics.harvard.edu/wtag上公开获得
2011-05-10 hep-ex hep-ph
Identification of boosted Higgs bosons decaying into $b$-quark pairs with the ATLAS detector at 13 TeV
本文介绍了一种识别希格斯玻色子的技术研究，在高横动量衰变成底夸克对，$H \rightarrow b\bar{b}$，质子-质子碰撞数据收集的ATLAS探测器在大型强子对撞机的质心能量$\sqrt{s}=13$ TeV。这些衰变是由反$k_{t}$ $R = 1.0$喷流算法发现的量热计喷流重建的.为了标记希格斯玻色子，使用要求的组合：$b$ -标记与大$R$量热计喷流匹配的$R = 0.2$轨道喷流，以及对喷流质量和其他喷流子结构变量的要求。用Monte Carlo模拟计算了Higgs玻色子的标记效率和相应的多喷注和强子顶夸克背景排斥。为不同的信号效率目标定义了几个基准标记选择。用于标记希格斯玻色子的相关输入分布的建模在2015年和2016年收集的数据的36 fb $^{-1}$中进行了研究，使用数据中的$g\to b\bar{b}$和$Z(\rightarrow b\bar{b})γ$事件选择。这两个过程被认为是很好的建模内的统计和系统的不确定性。
2019-11-15 hep-ex
Reconstruction and identification of $H\to WW^*$ with high transverse momentum in the full hadronic final state
这封信提出了一个重建和识别的高横动量的$H\to WW^*$，其中两个$W^{(*)}$玻色子衰变强子的研究。我们发现，助推$H\to WW^*$可以有效地重建为一个单一的射流，并确定使用射流的质心框架中的射流子结构。这样的重建和识别方法可以区分增强的$H\to WW^*$在全强子末态的QCD喷注。这一结果将大大提高实验灵敏度的搜索潜在的新的物理现象超越了标准模型在含有高度提升的希格斯玻色子玻色子的最终状态。
2021-02-24 hep-ex hep-ph
b tagging in ATLAS and CMS
目前在高能碰撞实验中研究的许多物理信号都导致了重味夸克喷注的终态。本文回顾了ATLAS和CMS协作组在大型强子对撞机Run2数据采集期间开发的重味喷流识别算法。讨论了2015年和2016年数据分析中使用的算法相对于以前数据采集期的改进，以及考虑到未来几年数据采集的持续发展。测量数据的算法的性能，以及专用的技术，用于识别重味喷流的事件与助推拓扑结构也被提出。最后讨论了在高亮度LHC阶段所预期的复杂环境中重味喷流识别的有效性。
2017-09-05 hep-ex
Identification of boosted, hadronically decaying W bosons and comparisons with ATLAS data taken at $\sqrt{s} = 8$ TeV
本文报告了一个详细的研究技术，用于识别增强，强子衰变$W$玻色子使用20 fb $^{-1}$质子碰撞数据收集的ATLAS探测器在大型强子对撞机在质心能量$\sqrt{s} =$ 8 TeV。一系列优化信号射流质量分辨率的技术与各种射流子结构变量相结合。这些研究的结果在蒙特卡罗模拟表明，一个简单的成对组合的修饰喷流质量和一个子结构变量可以提供一个50%的效率识别$W$玻色子的横向动量大于200 GeV，同时保持多喷流的背景效率为2-4%的喷流具有相同的横向动量。这些信号和背景效率在用于选择标记技术的数据中得到证实。
2016-03-23 hep-ex
Jet-Flavour Tagging at FCC-ee
喷流味道识别算法对于最大限度地发挥未来圆形对撞机（FCC）的物理潜力至关重要。在广泛的FCC-ee物理计划中，味道标记对于希格斯物理计划至关重要，因为希格斯玻色子的强子衰变占主导地位。对$b$ -、$c$ -、$s$ -和胶子喷流的高效率鉴别允许获得在大型强子对撞机上无法识别的新型衰变模式，为希格斯物理学计划增加了定量的新维度。这一贡献提出了新的喷气式飞机味识别算法的基础上，利用粒子级信息的先进机器学习技术。除了$b$ -和$c$ -夸克标记的出色性能之外，它们还能够区分喷流和奇怪的夸克强子化，从而为提高希格斯粒子对奇怪夸克耦合的灵敏度开辟了道路。不同的检测器设计假设的风味标签的性能的影响进行评估，使用一个基线检测器的概念，FCC-EE，IDEA。
2022-10-19 hep-ex
Reconstruction of physics objects in the CMS detector
本文介绍了在电荷希格斯玻色子玻色子搜索分析的背景下，在CMS探测器中对物理对象的重建和识别。讨论了7TeV和8TeV LHC数据的重建算法及其性能。详细描述了τ强子衰变的识别、强子喷注和缺失横能的重建以及b喷注的识别。
2013-10-28 hep-ex
Performance of b-tagging algorithms at the CMS experiment with pp collision data at $\sqrt s$=8 TeV
起源于b夸克的喷流的识别对于寻找新物理和测量标准模型过程都是至关重要的。大型强子对撞机（LHC）的紧凑μ子螺线管（CMS）合作已经开发了多种算法来选择b夸克喷流，这些算法基于带电粒子轨道的碰撞参量、重强子衰变重建的次级顶点的特性以及喷流中是否存在轻子或其组合等变量。这些b喷流识别算法的性能测量，使用多喷流和$t\overline{t}$事件记录在质子-质子碰撞数据在$\sqrt s$ =8 TeV的CMS检测器在大型强子对撞机运行1。
2014-08-31 hep-ex
Performance and efficiency of a transformer-based quark/gluon jet tagger in the ATLAS experiment
EUROPEAN ORGANISATION FOR NUCLEAR RESEARCH (CERN)（欧洲核子研究中心（CERN））
基于Transformer架构的深度学习方法用于区分夸克和胶子喷注，通过改进的'jet topics'方法提升了识别效率和精度。
2025-12-03 hep-ex
Identification of additional jets in the t-tbar b-bbar events using a deep neural network
在顶夸克对的产生伴随着希格斯玻色子衰变为b夸克对t-tbar H（b-bbar），末态具有不可约的非共振背景，来自顶夸克对的产生伴随着b夸克对t-tbar b-bbar。因此，精确地理解t-tbar b-bbar过程，特别是微分截面作为非顶夸克衰变的附加b喷注性质的函数，对于提高寻找t-tbar H b-bbar过程的灵敏度至关重要。两个额外的b喷流可以通过使用各种方法来识别。本文在轻子+喷注衰变通道中，以附加两个b喷注的匹配效率为优值，定量地比较了它们的性能。这项研究为精确测量t-tbar b-bbar事件中附加b喷流的微分截面提供了有价值的信息。我们发现，使用深度神经网络方法可以实现约40%的匹配效率。在至少有4个b射流的情况下，该性能比使用最小Delta R（b，bbar）方法获得的性能好8%。这在其统计不确定性内与提升决策树方法一致。
2020-12-02 hep-ex hep-ph
Identifying boosted hadronically decaying top quark using jet substructure in its center-of-mass frame
本文研究了在喷注的质心标架下利用喷注子结构识别增强强子衰变顶夸克的问题。我们证明了该方法可以大大降低QCD喷注背景，同时保持高的识别效率，即使在一个非常高的堆积条件下的推升顶夸克。应用程序的搜索衰减到一个$t\bar{t}$最终状态的重共振进行了讨论。
2013-04-10 hep-ex hep-ph
$t\bar{t}b\bar{b}$ at the LHC: On the size of off-shell effects and prompt $b$-jet identification
我们研究了LHC双轻子通道中$t\bar{t}b\bar{b}$产生的全离壳效应，质心能量为$\sqrt{s} = 13$ TeV。具体地说，我们计算了对$pp \to e^+ ν_e μ^- \barν_μb \bar{b} b \bar{b} + X$过程的NLO QCD修正，并提供了一个识别$b$喷流的处方，以区分提示$b$喷流和源于顶夸克衰变的$b$喷流。作为$pp \to t\bar{t}H (H\to b\bar{b})$的一个重要的不可约背景，与两个瞬发$b$喷流相关的$t\bar{t}$产生是$t\bar{t}H (H\to b\bar{b})$测量中不确定性的主要来源。在量化全离壳效应时，我们对最先进的全离壳计算和窄宽度近似计算进行了比较。前者包括所有的双共振、单共振和非共振费曼图，顶夸克和PDMATHAMT规范玻色子的干涉和有限宽度效应。后者将不稳定的顶夸克和PDMATHAMT规范玻色子限制在壳层态，并首次包括了对产生和衰变的非线性光学QCD修正。我们观察到，完整的离壳效应是次显性的规模不确定性相比，综合基准截面和大多数的微分观测值在相空间区域，我们调查。然而，对于一些与超越标准模型搜索相关的可观测量，完全离壳效应是显著的。此外，利用我们的$b$喷注标记方案，可以成功地对瞬发$b$喷注和顶夸克衰变产生的$b$喷注进行去纠缠.
2022-12-30 hep-ex hep-ph
Lightweight Jet Reconstruction and Identification as an Object Detection Task
European Organization for Nuclear Research (CERN)（欧洲核子研究组织（CERN））；Princeton University（普林斯顿大学）；CEVA Inc.（CEVA公司）；Institute of Physics Belgrade（贝尔格莱德物理研究所）；Fermi National Accelerator Laboratory（费米国家加速器实验室）
我们将基于深度卷积块的对象检测技术应用于CERN大型强子对撞机（LHC）遇到的端到端喷流识别和重建任务。碰撞事件产生的大型强子对撞机，并表示为一个图像组成的热量计和跟踪细胞作为一个输入到一个Single Shot检测网络。该算法名为PFJet-SSD，同时执行定位，分类和回归任务，以聚类射流并重建其特征。这种一体化的单前馈通道在执行时间和提高的精度w.r.t.方面具有优势。传统的基于规则的方法。从网络瘦身、均匀量化和优化的运行时间获得进一步的增益，以满足典型实时处理环境的存储器和延迟约束。我们使用8位和三进制量化进行实验，将其精度和推理延迟与单精度浮点进行基准测试。我们表明，三元网络密切配合其全精度等效的性能，并优于最先进的基于规则的算法。最后，我们报告了不同硬件平台上的推理延迟，并讨论了未来的应用。
2022-02-09 cs.LG hep-ex
Interaction networks for the identification of boosted $H\to b\overline{b}$ decays
我们开发了一种基于相互作用网络的算法来识别高横动量希格斯玻色子衰变为底夸克-反夸克对，并将它们与反映短距离夸克和胶子构型的普通喷流区分开来。该算法的输入是射流中重构带电粒子的特征以及与它们相关联的次顶点。将喷流簇射描述为粒子到粒子和粒子到顶点相互作用的组合，训练模型以学习优化分类问题的喷流表示。该算法是在现实LHC碰撞的模拟样本上训练的，由CMS协作组在CERN开放数据门户网站上发布。互动网络实现了一个显着的改善，在识别性能方面的国家的最先进的算法。
2020-07-28 hep-ex hep-ph
Probing the top-quark width using the charge identification of $b$ jets
提出了一种基于LHC产生$pp\to Wbj$过程中$b$ -电荷不对称性的开/离壳比测量顶夸克宽度的新方法。电荷不对称性消除了几乎所有的背景和相关的不确定性，而剩余的系统和理论的不确定性可以通过截面的比率来控制。仅限于统计误差，在一个乐观的情况下，我们发现，我们的方法导致良好的精度在高积分亮度，在几百兆电子伏假设300-3000 fb $^{-1}$在大型强子对撞机。该方法直接探测总宽度，以这样的方式，模型依赖性可以最小化。它是现有的横截面测量的补充，总率和分支比之间总是留下一个简并，并提供有关顶夸克的属性有价值的信息。该建议开辟了新的机会，精密顶部测量使用$b$ -电荷识别算法。
2017-07-20 hep-ex hep-ph
Particle identification for Higgs physics at future electron-positron collider
粒子识别（PID）在重味物理高能物理实验中起着关键作用。然而，它对希格斯物理学的影响仍然不清楚。在这篇文章中，我们将探讨PID的一些潜力，以提高识别重味喷流，除了传统的顶点信息，通过使用已确定的收费Kaons。这可能会导致在未来的$e^+e^-$对撞机更好地测量希格斯魅力汤川耦合。
2019-04-03 hep-ex
Momentum tensors of second and third rank, as tools for jets' analysis
二阶动量张量，没有质量奇异性，经常被用来识别和分析两个和三个强子喷注事件。基于Monte-Carlo产生的事件，我们发现，对于足够高的能量，张量不变量提供了一个三喷流事件的特征，而不分配的粒子的射流。此外，秩二和秩三动量张量的组合应用，提供了一个3喷流事件的签名。
2011-08-21 hep-ex
Pileup Per Particle Identification
我们提出了一种新的方法，通过实施“堆积每粒子识别”（PUPPI）的堆积缓解。对于每个粒子，我们首先定义一个局部形状$α$，它探测粒子附近的共线与软漫射结构。前者表示源自硬散射的颗粒，后者表示源自堆积相互作用的颗粒。带电堆积的$α$分布（假设为所有堆积的代理）在逐个事件的基础上用于计算每个粒子的权重。权重描述了粒子堆积的程度，并用于重新调整它们的四动量，取代了基于射流的修正。此外，该算法灵活地允许与其他可能是实验性的、与粒子相关联的概率信息（诸如顶点和定时性能）相结合。我们证明了该算法改进了现有的方法，通过查看射流$p_T$和射流质量。我们还发现了一个改进的非喷流量，如失踪的横向能量。
2014-09-30 hep-ex hep-ph
LCFIPlus: A Framework for Jet Analysis in Linear Collider Studies
我们报告的进展风味识别工具开发的未来$e^+e^-$直线对撞机，如国际直线对撞机（ILC）和紧凑型直线对撞机（CLIC）。在LCFIVertex合作开展的工作的基础上，我们采用了新的策略，在顶点发现和喷气发现，并引入新的判别变量喷气风味识别。我们提出的新算法的性能，在模拟的条件下使用的检测器的概念设计的ILC。该算法已成功地用于ILC物理模拟研究，如在ILC技术设计报告中提出的那些。
2015-06-28 hep-ex physics.ins-det
A tagger for strange jets based on tracking information using long short-term memory
提出了一种识别由奇异夸克强子化产生的喷注的算法，它补充了现有的识别由$b$ -夸克和$c$ -夸克产生的喷注的算法.该算法是基于轨道的属性，并使用长短期记忆递归神经网络来区分喷流从奇怪的夸克和喷流从下和上夸克。该算法的性能进行比较，一个简单的基准算法，使用重建的$K_S \rightarrow π^+π^-$衰变进行的横向动量分数。虽然基准算法限于信号效率小于13%，但所提出的算法在效率上不受限制。对于30%和70%的信号效率，实现了21%和63%的背景效率，这表明区分来自第一代夸克的奇怪喷流的挑战。
2020-01-13 hep-ex physics.ins-det
Evidential Deep Learning for Uncertainty Quantification and Out-of-Distribution Detection in Jet Identification using Deep Neural Networks
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；The Grainger College of Engineering（格兰杰工程学院）；Center for Artificial Intelligence Innovation（人工智能创新中心）；National Center for Supercomputing Applications（国家超级计算应用中心）；Siebel School of Computing and Data Science（西贝尔计算与数据科学学院）
本文面向LHC喷注识别研究EDL不确定性量化与分布外检测，通过超参数优化、类别不确定性、贝叶斯集成对比及潜在空间分析，提出更有效的EDL不确定性量化方法。
2025-01-10 cs.LG hep-ex
Maximizing Boosted Top Identification by Minimizing N-subjettiness
N-从属性是一种喷流形状，旨在识别顶夸克等增强强子物体。给定射流内的N个子射流轴，N-子射流度将射流成分到它们最近的子射流轴的角距离相加。在这里，我们推广和改善N-subjettiness最小化所有可能的subjet方向，使用一个新的变种的k-均值聚类算法。在BOOST 2010研讨会的增强顶级基准样本上，我们证明了3-subjettiness与2-subjettiness比率的简单切割产生20%（50%）的标记效率，0.23%（4.1%）的假率，使N-subjettiness成为高效的增强顶级标记器。N-subjettiness可以通过调整角度加权指数进行修改，我们发现，射流加宽措施是首选的提升顶部搜索。我们还探讨了多变量技术，并表明，使用修改后的Fisher判别式，额外的改进是可能的。最后，我们简要地提到我们的最小化过程可以扩展到整个事件，允许事件形状N-jettiness作为一个固定的N锥射流算法。
2011-09-15 hep-ex hep-ph physics.data-an
Playing Tag with ANN: Boosted Top Identification with Pattern Recognition
在大型强子对撞机（LHC）上，许多对标准模型之外的物理学的研究都依赖于顶标记算法，该算法可以区分强子顶夸克和更常见的由轻夸克和胶子引发的喷流。我们注意到，强子量能器（HCAL）有效地采取了“数字图像”的每一个喷流，与像素强度给出的能量沉积在个别HCAL细胞。从这个角度来看，顶部标记成为一个规范的模式识别问题。有了这个动机，我们提出了一种新的顶部标记算法的基础上，人工神经网络（ANN），最流行的方法之一，模式识别。人工神经网络的大样本的助推顶部和轻夸克/胶子喷流进行训练，然后应用到独立的测试样本。人工神经网络标记器在蒙特卡罗研究中表现出优异的性能：例如，对于p_T在1100-1200 GeV范围内的喷流，可以实现60%的顶部标记效率和4%的错误标记率。我们讨论的物理特征的喷流识别的人工神经网络标签作为最重要的分类，以及人工神经网络标签和一些熟悉的顶部标记观测值和算法之间的相关性。
2015-01-23 hep-ex hep-ph
Performance of heavy-flavour jet identification in Lorentz-boosted topologies in proton-proton collisions at $\sqrt{s}$ = 13 TeV
EUROPEAN ORGANIZATION FOR NUCLEAR RESEARCH (CERN)（欧洲核子研究组织）
本文研究LHC中13 TeV质子-质子碰撞中洛伦兹增强拓扑下重味喷注识别性能，分析CMS合作组开发的标记算法在模拟事件中的表现，总结利用数据的新型校准技术及多方法组合的校准结果。
2025-11-13 hep-ex physics.ins-det
ATLAS flavour-tagging algorithms for the LHC Run 2 $pp$ collision dataset
本文提出ATLAS合作组基于循环和深度神经网络开发的味标记算法，用于LHC Run 2的13 TeV $pp$碰撞数据分析，在模拟$t\bar{t}$事件中显著提升了$b$喷注和$c$喷注的识别与排斥性能。
2023-08-12 hep-ex physics.data-an
Optimizing b-Jet Performance in the CMS High-Level Trigger with Run-3 Data
Department, University（系，大学）
本研究通过Run-3数据优化CMS HLT系统中b喷注的实时识别与选择，提升重味喷注搜索的效率和性能。
2026-02-08 hep-ex
