Unfolding environmental $γ$ flux spectrum with portable CZT detector
本研究针对环境γ本底通量与能谱评估需求,提出采用便携式CZT探测器结合迭代贝叶斯展开重建γ通量谱的方法,完成刻度、GEANT4建模与不确定度分析,获得73–3033 keV谱及天然放射性核素特征峰,并验证其可用于本底率评估。
2024-04-05 hep-ex physics.ins-det
Unfolding with Generative Adversarial Networks
将测量的探测器水平分布校正到粒子水平是使数据在实验合作之外可用的关键。术语展开用于描述该过程。本文提出了一种使用改进的生成对抗网络(MSGAN)展开数据的新方法。应用于各种分布的广泛不同的形状,它的表现大致与目前使用的方法。这是一个最先进的机器学习方法的原理证明,可以用来很好地模拟检测器的影响。
2018-08-04 hep-ex hep-ph physics.data-an
Measurement of the charge asymmetry in top quark pair production in pp collision data at sqrt(s) = 7 TeV using the ATLAS detector
测量了半轻子衰变道中顶夸克对产生过程中的电荷不对称性。一个数据集对应的积分亮度的1.04反毫微微巴恩,在一个中心的质量能量为7 TeV的ATLAS实验在大型强子对撞机,被使用。在执行一个孤立的轻子,至少有四个喷流和失踪的横向能量的事件的选择后,进行运动学拟合,以重建顶-反顶事件拓扑结构。利用顶夸克和反顶夸克的绝对重构快度之差的微分分布来确定电荷不对称性。一个展开程序被应用到校正探测器接受和分辨率的影响,并获得相应的分布在部分子水平。去折叠后的总电荷不对称性为A_C = -0.018 +/-0.028(stat.)+/- 0.023(系统)与标准模型的预测一致。此外,在绝对重建的快度的顶部和反顶夸克和顶-反顶对的不变质量的差异的同时展开进行。
2012-04-04 hep-ex
Kernel based unfolding of data obtained from detectors with finite resolution and limited acceptance
提出了一种基于核函数的方法,用于校正由于有限分辨率和有限探测器接受度而引起的实验数据失真。展开问题是一个不适定问题,如果没有解的先验信息,例如光滑性或正性,就无法求解。在这里提出的方法中,真实分布是通过核的加权和来估计的,其中核的宽度充当负责结果的平滑性的正则化参数。交叉验证用于确定该参数的最佳值。一个数值例子与系统和统计误差的模拟研究,以说明该程序。
2012-09-17 astro-ph.IM hep-ex nucl-ex
Unfolding of event-by-event net-charge distributions in heavy-ion collisions
提出了一种基于贝叶斯定理的展开方法,从相应的测量分布中获得真实的逐事件净电荷多重数分布,该分布受到探测器伪影的影响。展开被证明工作的广泛变化的粒子产生机制,光束能量和碰撞中心。此外,在将实验测量结果与理论计算结果进行比较之前,特别是在较高矩的情况下,强调了考虑检测器效应的必要性。这种方法的优点是,人们不需要构造新的可观测量来抵消探测器效应,因为探测器效应失去了与标准理论中可计算的物理量相联系的能力。
2013-06-13 hep-ex hep-ph nucl-ex
Unfolding the Energy Spectrum of Ultra-High-Energy Cosmic Rays Using Pierre Auger Open Data
Palacky University(帕拉茨基大学)
利用皮埃尔·阿贾尔开放数据生成伪蒙特卡罗样本,实现超高能宇宙射线能量谱的展开分析
2025-12-22 astro-ph.HE hep-ex
PyUnfold: A Python Package for Iterative Unfolding
PyUnfold是一个Python软件包,用于将测量过程的不完善性纳入数据分析管道。在一个理想的世界里,我们可以使用完美的检测器:一种在测量所需量时不会出错的仪器。然而,在现实生活中,检测器具有有限的分辨率,无法消除的特征偏差,低于完全检测效率,以及统计和系统的不确定性。通过构建将期望的真实量的检测器的拖尾编码到测量的可观测量中的矩阵,可以执行提供真实变量的估计的去卷积。这个去卷积过程被称为展开。在PyUnfold中实现的展开方法通过迭代过程完成这种反卷积,提供基于所需数量的物理预期的结果。此外,统计和系统误差的繁琐簿记产生精确的最终不确定性估计。
2018-06-08 astro-ph.IM hep-ex physics.data-an
Unfolding the True Atmospheric Neutrino Event Rate in the 1Gev -- 1Tev Range Using IceCube/DeepCore
使用IceCube/DeepCore探测器对南极的大气中微子通量进行了展开测量。给出的主要结果是单位体积冰的真实中微子相互作用率,作为能量或天顶角的函数。使用的方法是D 'Agostini迭代展开。虽然检测器响应估计是基于蒙特卡罗模拟,但迭代方法将补偿这种固有偏差,并使展开结果更接近无偏估计器,因为迭代次数得到了优化。这是使用具有盲重涂抹方法的集合测试来完成的。因此,这种测量是最低限度地偏离大气通量,振荡和中微子相互作用模型,允许模型构建者测试他们的预测对这种测量。另外,使用相同的数据集和方法,我们还提出了一个直接对大气中微子通量的展开测量。
2019-09-16 astro-ph.HE hep-ex
Reweighting Adversarial Networks for Unbinned Unfolding
Stanford University(斯坦福大学);SLAC National Accelerator Laboratory(SLAC国家加速器实验室);University of California, Berkeley(加州大学伯克利分校);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);Massachusetts Institute of Technology(麻省理工学院);Institut des Hautes Études Scientifiques(高等科学研究所);CEA Paris-Saclay(巴黎萨克雷大学原子能委员会);Department of Physics, Stanford University(斯坦福大学物理系);Fundamental Physics Directorate, SLAC National Accelerator Laboratory(SLAC国家加速器实验室基础物理部);Department of Physics, University of California, Berkeley(加州大学伯克利分校物理系);Physics Division, Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室物理部);Center for Theoretical Physics – a Leinweber Institute, Massachusetts Institute of Technology(麻省理工学院莱因韦伯理论物理中心);Institut de Physique Théorique, CEA Paris-Saclay(巴黎萨克雷大学原子能委员会理论物理研究所);Department of Particle Physics and Astrophysics, Stanford University(斯坦福大学粒子物理与天体物理学系)
提出Reweighting Adversarial Network (RAN),通过粒子级重加权和探测器级Wasserstein判别器解决非重叠支撑下的双层反卷积问题,在精度和计算效率上超越现有方法。
2026-06-04 hep-ex hep-ph physics.data-an
Full Event Particle-Level Unfolding with Variable-Length Latent Variational Diffusion
University of California, Irvine(加利福尼亚大学欧文分校);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室)
提出一种改进的变分隐扩散模型(VLD),突破固定可观测集合限制,实现对高维和变维特征空间的全事件无分箱展开,并在大型强子对撞机半轻子顶夸克对产生中验证了性能。
2025-01-23 cs.AI cs.LG hep-ex
Unfolding Neutron Spectrum with Markov Chain Monte Carlo at MIT Research Reactor with He-3 Neutral Current Detectors
跳弹实验试图使用暗物质类型的探测器测量相干(中性流)弹性中微子-核散射,其阈值低于keV,放置在中微子源附近,例如麻省理工学院(研究)反应堆(MITR),其工作功率为5.5 MW,在其核心产生约2.2e18中微子/秒。目前,跳弹正在描述MITR的背景,其主要成分是从核心同时发射的中子和中微子信号。为了表征这种背景,我们将Bonner圆柱体包裹在He-3热中子探测器周围,然后通过马尔可夫链蒙特卡罗(MCMC)将其数据展开,以产生跨越几个数量级的中子能谱。我们讨论了由此产生的频谱和它的影响,部署跳弹在MITR网站,以及通过增加聚乙烯屏蔽周围的探测器设置减少这种背景水平的可行性。
2018-02-07 hep-ex nucl-ex physics.ins-det
Iterative-Bayesian unfolding of isotopic cosmic-ray fluxes measured by AMS-02
宇宙射线(CR)同位素组成的测量为理解这些粒子的起源和传播提供了重要的见解,即CR源谱、传播过程和星系晕大小。阿尔法磁谱仪(AMS-02)是自2011年5月以来在国际空间站上运行的CR探测器,由于其飞行时间(TOF)和环形成像切伦科夫(RICH)探测器提供的速度精确测定,因此有能力进行这些测量。数据的正确解释需要从仪器效应中去卷积测量。AMS-02的独特设计,使用多个子探测器来测量相同的通量,需要一种新的方法来展开测量的通量。在这项工作中,我们描述了一个迭代贝叶斯展开方法应用在AMS-02同位素通量测量的背景下。该方法的准确性进行评估,使用模拟通量的基础上以前的测量和一个完整的检测器响应函数。我们引入了一个非参数正则化方法的检测器响应函数,以及一个单一的,光滑的前通量覆盖了整个范围的测量从两个检测器,TOF和丰富的。此外,估计的误差和讨论的方法的性能也显示,表明该方法是快速和可靠的,允许在全能量范围内的真通量的恢复。
2022-07-19 astro-ph.IM hep-ex
Event-by-event Comparison between Machine-Learning- and Transfer-Matrix-based Unfolding Methods
本研究针对探测器效应unfolding问题,提出一种为传统传递矩阵unfolding方法获取概率性单事件分布及对应不确定度、相关性的方法,经玩具模型和$pp\ ightarrow Zγγ$伪数据验证,并与基于IcINN的机器学习单事件unfolding方法做了性能对比。
2024-12-15 hep-ex hep-ph physics.data-an
Machine Learning-Assisted Unfolding for Neutrino Cross-section Measurements with the OmniFold Technique
本文首次将利用机器学习处理高维信息的OmniFold解折叠方法应用于中微子截面测量,通过公开的T2K近探测器模拟数据集验证,并比较其与传统方法的性能。
2025-06-30 hep-ex hep-ph physics.data-an
Unbinned Profiled Unfolding
本研究针对粒子物理中现有无分箱反演方法无法同时约束冗余参数的问题,提出了一种基于机器学习、以探测器级分箱输入的完整似然函数为损失的无分箱轮廓化反演方法,可得到无分箱微分截面并处理冗余参数,经高斯示例和希格斯玻色子模拟测量验证有效。
2023-07-07 hep-ex hep-ph physics.data-an
Densities mixture unfolding for data obtained from detectors with finite resolution and limited acceptance
基于混合密度模型,提出了一种用于校正由于有限分辨率和有限探测器接受度而导致的实验数据失真的方法。解决的情况下,解决方案是已知的是非负的,在这里提出的方法中,真实的分布是由一个加权和的概率密度函数与正权重和宽度的密度作为正则化参数负责结果的平滑估计。为了在人口较少的区域中获得更好的平滑,宽度参数被选择为与估计密度的平方根成反比。此外,非负的garrotte方法被用来寻找最经济的解决方案的代表。交叉验证,以确定最佳值的分辨率和绞杀参数。所提出的方法是直接适用于多维问题。数值例子在一个和两个维度来说明的过程。
2015-01-05 astro-ph.IM hep-ex nucl-ex
Unfolding problem clarification and solution validation
展开问题制定校正实验数据失真由于有限的分辨率和有限的探测器接受进行了讨论。提出了一种新的验证问题的解决方案。值得注意的是,不同的展开分布可能满足验证标准,在这种情况下,建议使用熵的保守方法。残差分析的重要性被证明。
2016-04-07 astro-ph.IM hep-ex nucl-ex
Unfolding of event-by-event net-charge distributions in heavy-ion collision
我们讨论了一种方法来获得真正的事件的事件的净电荷多重性分布从相应的测量分布,这是受到探测器的影响,如有限的粒子计数效率。该方法是基于贝叶斯方法展开的分布。我们能够忠实地展开回测量的分布,以匹配其相应的真实分布得到一个广泛变化的底层粒子生产机制,光束能量和碰撞中心。特别是平均值,方差,偏度,峰度,它们的产品和比率的净电荷分布从事件发生器被证明是成功地展开从测量的分布构造模仿一个真正的实验分布。我们证明了有必要考虑到检测器的影响之前,关联的高时刻的净电荷分布与物理量或现象。这种方法的优点是,人们不需要构造新的可观测量来抵消探测器效应,因为探测器效应失去了与标准理论中可计算的物理量相联系的能力。
2013-02-05 hep-ex hep-ph nucl-ex
Top-antitop charge asymmetry measurements in the lepton+jets channel with the ATLAS detector
本文报道了在LHC上用ATLAS实验测量顶夸克对产生的电荷不对称性的结果。实验中使用了20.3 fb的pp碰撞数据,能量为$^{-1}$ = 8 TeV。使用完全贝叶斯展开方法展开数据。进行电荷不对称性的差分测量。
2019-01-15 hep-ex
An iterative, dynamically stabilized method of data unfolding
我们提出了一种新的迭代展开方法的实验数据,利用正则化函数。使用这个函数可以建立一个改进的归一化程序的蒙特卡罗光谱,无偏的数据中可能存在的新结构。我们能够展开,在一个动态稳定的方式,数据光谱,可以强烈地受到波动的背景减除,同时重建结构,最初没有模拟。当执行校正系统检测器效应的事件传输时,该方法还允许控制展开光谱的bin之间引入的相关性的量。
2009-07-22 hep-ex physics.data-an
Rocks, Water and Noble Liquids: Unfolding the Flavor Contents of Supernova Neutrinos
测量核心坍缩超新星中微子,无论是来自银河系内的单个超新星,还是来自整个宇宙过去的核心坍缩(弥散超新星中微子背景,或DSNB),都是当前和下一代中微子实验的主要目标之一。由于小的统计数据和大的背景,检测通量的重轻子味(μ子和τ类型,统称$ν_x$)分量特别具有挑战性。虽然下一次银河系中微子爆发将在大量的中微子通道中观测到,允许测量少量的$ν_x$事件,但即使在使用传统探测器采集数十年数据之后,也只能预测扩散$ν_x$通量的上限。然而,古探测器可以通过味盲中性流相互作用测量来自银河系核心坍缩超新星的中微子的时间积分通量。在这项工作中,我们将展示如何结合测量的平均银河系核心坍缩超新星通量与古探测器和测量的DSNB电子型中微子通量与下一代水切伦科夫探测器超神冈和液体惰性气体探测器DUNE将允许确定平均超新星$ν_x$通量参数的精度为百分之十。
2022-03-23 astro-ph.GA astro-ph.HE hep-ex
Simulation-Prior Independent Neural Unfolding Procedure
Universität Heidelberg(海德堡大学);Sorbonne Université(索邦大学);Université Paris Cité(巴黎西岱大学);CNRS/IN2P3(法国国家科学研究中心/国家核物理与粒子物理研究所);Université catholique de Louvain(鲁汶天主教大学);SLAC National Accelerator Laboratory(SLAC国家加速器实验室)
提出SPINUP方法,利用神经网络编码前向映射实现与仿真先验无关的高维展开,结合神经重要性采样提升效率,并展示了其在喷注子结构和希格斯-单顶夸克产生过程中的应用。
2025-07-20 cs.LG hep-ex hep-ph
Machine Learning-based Unfolding for Cross Section Measurements in the Presence of Nuisance Parameters
Carnegie Mellon University(卡内基梅隆大学);University of California, Berkeley(加州大学伯克利分校);Nagoya University, Kobayashi-Maskawa Institute(名古屋大学小林-益川研究所);Stanford University(斯坦福大学);SLAC National Laboratory(SLAC国家加速器实验室)
提出Profile OmniFold算法,将机器学习展开方法扩展到含干扰参数情形,通过高斯示例和CMS模拟数据验证其有效性。
2026-06-26 hep-ex hep-ph physics.data-an
SwdFold:A Reweighting and Unfolding method based on Optimal Transport Theory
本文提出 SwdFold,一种基于最优传输理论的重加权与展开方法,通过估计概率密度比提供独立于模型的框架,有效纠正高能物理实验中的探测器失真问题,并保持物理特征完整性。
2024-06-02 hep-ex physics.data-an
Machine learning as an instrument for data unfolding
提出了一种使用机器学习技术来校正检测器拖尾效应的方法。与标准方法相比,该方法可以使用一个以上的重建变量来推断事件的基础上的未涂抹的量的值。该方法是使用一个序列神经网络的分类交叉熵作为损失函数。它是一个玩具的例子进行测试,并满足基本的封闭测试。讨论了该方法在高能物理实验数据分析中的可能应用。
2017-12-05 hep-ex hep-ph physics.data-an
Unfolding without Iterations, Adversaries, or Surrogates
Institut für Theoretische Physik, Universität Heidelberg(海德堡大学理论物理研究所);Interdisciplinary Center for Scientific Computing (IWR), Universität Heidelberg(海德堡大学跨学科科学计算中心)
AUSSIE是一种无需迭代、对抗或替代物的展开方法,通过新的损失函数直接获得最小依赖参考模拟的解决方案,适用于多种展开任务。
2026-08-25 hep-ex hep-ph physics.data-an
Should unfolded histograms be used to test hypotheses?
在高能物理的许多分析中,试图通过称为“展开”直方图的技术来消除数据中探测器拖尾的影响,从而获得直方图箱内容的真实值的估计。然后将这些展开的直方图与理论预测进行比较,以判断理论的拟合优度,或者比较两个或更多理论描述数据的能力。这样做的时候,即使是非正式的,也是在检验假设。然而,一个更基本的检验假设的方法是通过模拟探测器的响应,然后与数据进行比较,而不展开,从而模糊理论预测;这在高能物理学中也经常发生,特别是在寻找新物理学时。因此,人们可以问:展开数据后的假设检验在多大程度上实质上再现了通过涂抹理论预测而从检验中获得的结果?我们认为,这种“底线测试”的展开方法应该更普遍地研究,除了检查方差和偏差的直方图箱的真实内容的估计的常见做法。我们说明底线测试在一个简单的玩具问题,两个假设。
2016-07-24 hep-ex physics.data-an
A Practical Guide to Unbinned Unfolding
CMS Collaboration(CMS合作组);University of Zurich(苏黎世大学);T2K Collaboration(T2K合作组);University of Colorado Boulder(科罗拉多大学博尔德分校);ATLAS Collaboration(ATLAS合作组);Carleton University(卡尔顿大学);Lawrence Berkeley National Laboratory(劳伦斯伯克利国家实验室);LHCb Collaboration(LHCb合作组);University of Tennessee at Knoxville(田纳西大学诺克斯维尔分校);H1 Collaboration(H1合作组);National Energy Research Scientific Computing Center(国家能源研究科学计算中心);TRIUMF(特里厄姆夫实验室);Stanford University(斯坦福大学);SLAC National Accelerator Laboratory(SLAC国家加速器实验室)
本指南提供实用的反卷积方法和策略,利用机器学习实现非分组反卷积,以提高高能粒子物理实验数据的分析灵活性和准确性。
2025-07-13 hep-ex hep-ph physics.data-an
Optimization-based Unfolding in High-Energy Physics
University of Bologna(博洛尼亚大学);Istituto Nazionale di Fisica Nucleare (INFN)(意大利国家核物理研究所);Technical University of Munich (TUM)(慕尼黑工业大学);European Organization for Nuclear Research (CERN)(欧洲核子研究组织)
本文提出基于优化的展开方法,结合经典和量子算法,通过QUBO形式实现展开目标,对比传统方法验证了其在不同分布下的重建精度和正则化能力。
2026-07-14 hep-ex physics.data-an quant-ph
An unfolding method based on conditional Invertible Neural Networks (cINN) using iterative training
Kirchhoff-Institut für Physik, Universität Heidelberg(海德堡大学基尔霍夫物理研究所);LPNHE, Sorbonne Université, Université Paris Cité, CNRS/IN2P3(索邦大学、巴黎西岱大学、法国国家科学研究中心核与粒子物理研究所巴黎勒普兰斯-林盖特核物理与高能物理实验室);Institut für Theoretische Physik, Universität Heidelberg(海德堡大学理论物理研究所)
本文提出迭代条件可逆神经网络IcINN展开方法,通过迭代训练修正模拟样本与真实数据的偏差,并在玩具数据及 $pp \to Z \gamma\gamma$ 赝数据上验证了其有效性。
2024-01-10 cs.LG hep-ex hep-ph
Investigation of Higgs Boson Decaying to Di-muon, Dark Matter Produced in Association with a Higgs Boson Decaying to $b$-quarks and Unbinned Profiled Unfolding
本论文基于ATLAS数据开展了希格斯玻色子衰变至双缪子和与希格斯玻色子伴随产生的暗物质两项搜索,并提出一种无人工分箱且可同时剖析系统误差参数的新型展开方法,提升了高能物理分析的灵活性与可重用性。
2023-05-30 hep-ex hep-ph physics.data-an
OmniFold: A Method to Simultaneously Unfold All Observables
对撞机的数据必须根据探测器效应(“未展开”)进行校正,以便与许多理论计算和其他实验的测量结果进行比较。传统上,展开是针对单独的、分箱的可观测量进行的,而不包括与表征检测器响应相关的所有信息。我们介绍了OmniFold,这是一种展开方法,它使用机器学习来利用所有可用的信息,迭代地重新加权模拟数据集。我们的方法是unbinned,适用于任意高维数据,并自然地结合了来自全相空间的信息。我们说明了这种技术的一个现实的射流子结构的例子,从大型强子对撞机,并比较它的标准分仓展开方法。这种新的范式能够同时测量所有的可观测量,包括那些在分析时尚未发明的。
2020-04-16 hep-ex hep-ph physics.data-an
Unsupervised and lightly supervised learning in particle physics
本文综述了粒子物理中聚类、异常检测、探测器模拟和数据展开等非完全监督机器学习应用,重点讨论无监督异常检测与生成模型在加速模拟和数据展开中的作用。
2024-10-23 hep-ex hep-ph
Measurement of lepton-jet correlation in deep-inelastic scattering with the H1 detector using machine learning for unfolding
首次测量了高动量转移轻子-质子散射中轻子-喷注动量不平衡和方位角关联。这些数据是用HERA的H1探测器采集的,使用未分类的机器学习算法OmniFold对探测器效应进行了校正,该算法在第一次应用中同时考虑了8个观测值。展开的截面进行比较,在量子色动力学(QCD)以及Monte Carlo事件发生器的共线或横向动量相关(TMD)因式分解的上下文中进行的计算。该测量探测了广泛的QCD现象,包括TMD部分子分布函数及其在迄今未探测的运动学区域随能量的演化。
2022-04-01 hep-ex hep-ph
Empirical Bayes unfolding of elementary particle spectra at the Large Hadron Collider
我们考虑所谓的展开问题,在实验高能物理,其中的目标是估计的真实光谱的基本粒子的观测扭曲的测量误差,由于有限的分辨率的粒子探测器。这是一个重要的统计逆问题,出现在欧洲核子研究中心的大型强子对撞机的数据分析。在数学上,该问题被形式化为一个间接观察到的泊松点过程的强度函数的估计。粒子物理学家特别热衷于展开方法,这些方法具有选择正则化强度的原则性方法,并允许量化解决方案中固有的不确定性。尽管实验物理学家已经考虑了许多方法,但可以说,这些方法中很少(如果有的话)以令人满意的方式处理这两个关键问题。在本文中,我们建议攻击的展开问题的框架内的经验贝叶斯估计:我们认为贝叶斯估计的系数的基础扩展的未知强度,使用正则化前,并采用蒙特卡罗期望最大化算法找到边际最大似然估计的超参数控制强度的正则化。由于超参数的数据驱动选择,使用经验贝叶斯后验得到的可信区间失去了它们的主观贝叶斯解释。由于这些间隔的性质和意义知之甚少,我们探索使用的bootstrap rescue构建纯粹的频率置信带的真实强度。所提出的方法的性能证明使用模拟和实际数据从大型强子对撞机。
2014-01-31 hep-ex physics.data-an stat.AP
Measurement of the charge asymmetry in top-quark pair production in the lepton-plus-jets final state in $pp$ collision data at $\sqrt{s}=8$ TeV with the ATLAS detector
本文报道了在欧洲核子研究中心的大型强子对撞机上进行的ATLAS实验中记录的$\sqrt{s} = 8$ TeV $pp$的20.3 fb $^{-1}$中$t\bar{t}$电荷不对称性$A_{\textrm{C}}$的包容性和微分测量。三个差分测量作为不变质量,横向动量和纵向助推的$t\bar{t}$系统的功能。在具有至少四个喷注的单轻子通道($e$或$μ$)中选择$t\bar{t}$对,并且使用似然拟合来重建$t\bar{t}$事件运动学。一个贝叶斯展开程序进行推断部分子水平的不对称性从观察到的数据分布。测量包含的$t\bar{t}$电荷不对称性为$A_{\textrm{C}} = 0.009 \pm 0.005$(stat. $+$系统)。包容性和差分测量与标准模型预测的值兼容。
2017-08-29 hep-ex
Exploring the Space of Jets with CMS Open Data
我们探索度量空间的射流使用公共对撞机数据从CMS实验。从2011年大型强子对撞机收集的7 TeV质子-质子碰撞的2.3/fb开始,我们分离出横向动量超过375 GeV的1,690,984个中心喷流样本。为了验证CMS检测器在重建射流能量流方面的性能,我们将CMS开放数据与各种射流运动学和子结构可观测量的相应模拟数据样本进行了比较。即使没有探测器展开,我们发现非常好的协议后,使用带电强子减法,以减轻堆积的影响轨道为基础的可观测量。我们进行了一系列新颖的分析,使用“能量移动者的距离”(EMD)来测量喷气能量流之间的成对差异。EMD使我们能够量化探测器效应的影响,可视化射流的度量空间,提取相关维数,并确定最典型和最不典型的射流配置。为了方便未来使用CMS Open Data进行喷气研究,我们提供了我们的数据集和分析代码,总计约2GB的提取数据和100 GB的模拟文件。
2020-02-07 hep-ex hep-ph
Analysis note: measurement of thrust in $e^{+}e^{-}$ collisions at $\sqrt{s}$ = 91 GeV with archived ALEPH data
本文利用 ALEPH 存档数据测量 91.2 GeV 下 $e^{+}e^{-}$ 碰撞的 thrust 分布,并首次采用机器学习无分箱展开校正探测器效应,为精确测定 $α_{s}$ 和强子化研究提供新约束。
2025-07-28 hep-ex