Mass Unspecific Supervised Tagging (MUST) for boosted jets
喷流识别工具对于LHC和未来对撞机的新物理研究至关重要。我们引入的概念，质量非特异性监督标记（MUST），它依赖于考虑射流质量和横向动量在很宽的范围内变化作为输入变量-连同射流子结构观测值-的多变量工具。这种方法不仅提供了一个有效的任意范围内的射流质量和横向动量的单个taggers，但也是一个最佳的解决方案，为当前taggers固有的质量相关问题。通过训练神经网络，我们建立了MUST启发的通用和多管齐下的射流标记器，当用各种新的物理信号进行测试时，它们的性能明显优于实验中常用的变量，以区分信号和背景。这些标记器也能有效地识别出它们没有被训练过的信号。还可以建立标记器来确定高度的信心，喷射的分叉，这在发现新的物理信号的情况下是至关重要的。
2021-03-02 hep-ex hep-ph
Tagging Partially Reconstructed Objects with Jet Substructure
我们提出了一种新的标记器，其目的是在识别部分重建的对象，其中只有一些成分被收集在一个单一的射流。作为一个例子，我们专注于顶部衰变的强子衰变W或b喷流的任何一部分是软的或落在顶部喷流锥之外。我们构造了一个观测量来识别衰变的残余子结构，并采用积极的喷流梳理来拒绝QCD背景。该标记器是现有的补充，并在中间助推制度，喷气子结构技术通常失败。预计类似的标记器可以用于识别非QCD强子喷流，例如那些来自隐藏山谷的喷流。
2014-12-23 hep-ex hep-ph
Pulling the Higgs and Top needles from the jet stack with Feature Extended Supervised Tagging
喷流标记已成为高能前沿新物理研究的重要工具。对于含有高能带电轻子的喷流，我们引入了特征扩展监督标记（FEST），除了喷流子结构外，还考虑了喷流内带电轻子的特征。用这种方法，我们建立了专门的标签区分之间的提升$H \to \ell νq \bar q$，$t \to \ell νb$，和QCD喷流（与$\ell$电子或μ子）。标记器具有令人印象深刻的性能，允许$10^4-10^5$的整体光喷流排斥因子，$0.5$的顶夸克/希格斯玻色子效率。该标记器在区分希格斯玻色子和顶夸克方面也很出色，反之亦然，例如，对于$0.5$的希格斯玻色子效率，通过$100-300$的因子拒绝顶夸克。我们证明了这些标签的潜力，以提高新的物理的灵敏度作为例子，一个新的$Z'$玻色子衰减到$Z H$，在全强子的最终状态的搜索。
2021-08-30 hep-ex hep-ph
What Do Lorentz-Equivariant Jet Taggers Learn?
通过等变测试、线性探针和分级消融研究五种洛伦兹等变喷注标记器的内部学习机制，发现等变模型抑制赝快度而编码喷注质量和N-subjettiness，双向量通道对顶夸克标记不重要而类矢量通道主导但种子可变。
2026-06-23 cs.LG hep-ex hep-ph
Deep-learning Top Taggers or The End of QCD?
基于卷积神经网络的机器学习可用于研究LHC的喷流图像。在脂肪喷射机的顶部标记提供了一个定义良好的框架，以建立我们的DeepTop方法，并将其性能与基于QCD的顶部标记器进行比较。我们首先优化网络架构，以确定顶夸克的蒙特卡罗模拟的标准模型生产通道。使用标准的脂肪射流，然后比较其性能的多变量QCD为基础的顶部标记。我们发现，这两种方法导致相当的性能，建立卷积网络作为一个有前途的新方法，基于多变量假设的顶部标记。
2017-05-16 hep-ph
A new tagger for hadronically decaying heavy particles at the LHC
本文提出了一种新的识别LHC中强衰变重粒子的算法。该算法基于已知的具有可变距离参数$R$的射流聚类过程，并使射流大小适应其横向动量$p_T$。使用质量跳跃条件找到主体。由此产生的算法-称为重对象标记与变量$R$（HOTVR）-功能小算法的复杂性，并结合射流聚类，subjet发现和拒绝软集群在一个序列。虽然HOTVR算法可以用于识别任何重物体的强子衰变，例如W，Z，H，t，或可能的新的重共振，本文的目标特别是标记的助推顶夸克。这里提出的研究表明，HOTVR算法在宽范围的顶夸克$p_T$的稳定性能，从低$p_T$，在那里的衰变产物可以解决，在高$p_T$的提升衰变的区域。
2016-11-09 hep-ex hep-ph
ML-Based Top Taggers: Performance, Uncertainty and Impact of Tower & Tracker Data Integration
本研究比较了基于HLF的BDT与基于LLF的CNN/GNN上夸克标记器，发现结合量热器塔和径迹数据可提升性能，且LLF分类器在高横动量区域更优，但受蒙特卡洛模型影响大；堆叠BDT可增强性能并减少不确定性。
2023-09-04 hep-ex hep-ph
Neural Network-based Top Tagger with Two-Point Energy Correlations and Geometry of Soft Emissions
在喷流图像上训练的深度神经网络已经成功地对不同类型的喷流进行了分类。在本文中，我们确定了关键的物理特征，可以再现卷积神经网络的分类性能在顶部喷流与QCD喷流分类。我们设计了一个神经网络，考虑两种类型的子结构特征：两点能量相关性，和IRC不安全的计数变量的形态分析的射流图像。新的IRC不安全变量集可以用积分几何中的Minkowski泛函来描述。为了将这些特征整合到一个框架中，我们在图神经网络中重新引入了两点能量相关性，并在之后将其他特征提供给网络。该网络显示出与卷积神经网络相当的分类性能。由于这两个网络都在某种程度上使用IRC不安全功能，因此基于模拟的结果通常取决于事件生成器的选择。我们比较了Pythia 8和Herwig 7的分类结果，并对IRC不安全特征的分布进行了简单的重新加权，减少了两个模拟结果之间的差异。
2020-08-19 hep-ex hep-ph
Leveraging universality of jet taggers through transfer learning
University of Oxford（牛津大学）；CERN（欧洲核子研究组织）
通过机器学习技术标记增强对象的一个重大挑战是与训练复杂模型相关的高昂计算成本。然而，QCD的普适性表明，在训练中学到的大量信息对于不同的物理信号和实验设置是共同的。在本文中，我们将探索使用迁移学习技术来开发快速且数据高效的Jet taggers，以利用这种通用性。我们考虑了图神经网络LundNet和ParticleNet，并引入了两个处方，将现有的tagger转换为一个新的信号，要么微调模型的所有权重，要么冻结其中的一小部分。在$W$ -玻色子和顶夸克标签的情况下，我们发现，可以获得可靠的标签使用一个数量级较少的数据与相应的速度加快的训练过程。此外，在保持训练数据集大小固定的同时，我们观察到训练速度提高了三倍。这提供了一个有前途的途径，以促进在对撞机物理实验中使用这些工具。
2022-03-11 cs.CV cs.LG hep-ex
The Physics Behind ML-based Quark-Gluon Taggers
Universität Heidelberg（海德堡大学）；Dipartimento di Fisica e Astronomia, Universitá di Bologna（博洛尼亚大学物理与天文学系）；TIFLab, Università degli Studi di Milano & INFN Sezione di Milano（米兰大学 TIFLab 与 INFN 米兰分部）；Interdisciplinary Center for Scientific Computing (IWR), Universität Heidelberg（海德堡大学跨学科科学计算中心）
本文研究了利用可解释性技术优化机器学习在夸克-胶子标记中的应用，通过线性和非线性方法识别关键特征，分析Shapley值在处理相关输入时的局限性，并利用符号回归推导简洁公式近似标记器输出。
2026-04-08 hep-ex hep-ph
Tagging the Higgs boson decay to bottom quarks with colour-sensitive observables and the Lund jet plane
我们研究的问题，区分$b$ -喷注产生的衰变的颜色单态，如希格斯玻色子玻色子，从那些起源于丰富的QCD背景。特别是，作为一个案例研究，我们专注于关联生产的矢量玻色子和希格斯玻色子玻色子衰变成一对$b$喷流，这是最近在大型强子对撞机上观察到的。我们考虑结合文献中提出的几个理论驱动的可观测量，与隆德喷流平面图像，以设计一个原始的$Hbb$标签。通过标准的机器学习算法组合可观测量，该算法在使用快速检测器模拟技术获得的事件上进行训练。我们发现，结合高层次的单变量可观的隆德喷气飞机提供了一个很好的歧视性能。我们还研究了依赖的标签上的不变质量的衰变粒子，以评估扩展到一个通用的$Xbb$标签。
2022-06-01 hep-ex hep-ph
Reports of My Demise Are Greatly Exaggerated: $N$-subjettiness Taggers Take On Jet Images
我们比较了在喷流图像上训练的卷积神经网络（CNN）与在n-subjettiness变量上训练的密集神经网络（DNN）的性能，以研究这两种单独技术应用于顶夸克衰变的区分能力。我们发现，它们的表现几乎相同，并高度相关，一旦喷流质量信息，这表明他们正在访问相同的基本信息，可以直观地理解为包含在4-，5-，6-和8-体运动学相空间取决于样本。这表明这两种方法对于重物标记都非常有用，并为图像网络实际学习的问题提供了一个初步的答案。
2019-07-16 hep-ph
On jet substructure methods for signal jets
我们进行了简单的分析计算和Monte Carlo研究，以更好地了解QCD辐射对一些著名的喷流子结构方法的影响，喷流产生的衰变的助推希格斯玻色子。理解这些信号喷流的标记之间的差异，在它们在QCD背景喷流上表现相似的情况下，具有特别的意义。作为一个明确的例子，我们比较Y-分裂器的方法，最近提出的Y-修剪技术。我们展示了如何洞察，我们获得的可以用来显着提高Y-分裂器的性能相结合的修剪，并表明这种组合优于其他标签在这里研究，在高$p_T$。我们还对一系列方法的最佳参数值进行了分析估计，并与Monte Carlo研究的结果进行了比较。
2015-08-27 hep-ex hep-ph
Parton Shower Uncertainties in Jet Substructure Analyses with Deep Neural Networks
结合深度神经网络的机器学习方法一直是最近提出的新强子共振标记器的主题。这些方法需要在事件生成器生成的数据集上进行训练，其中真实的类标签是已知的。然而，在特定事件发生器上训练网络可能会使网络偏向于学习与该发生器中使用的QCD近似相关联的特征，这些特征在真实数据中不存在。因此，我们调查的部分子簇射的建模的变化的影响，使用强子W-玻色子在大型强子对撞机的射流图像，包括探测器相关的影响的深度神经网络标签的性能。通过研究Pythia，Herwig和Sherpa发电机样本的网络性能，我们发现对于固定信号效率，背景抑制的差异高达50%。我们还介绍和研究了一种方法，我们称之为缩放，用于实现基于神经网络的标签的尺度不变性。我们发现，这导致在很宽的范围内的射流横向动量的性能的改善。我们的研究结果强调了获得详细了解这些方法正在利用的射流物理学方面的重要性。
2016-10-14 hep-ex hep-ph
Meta-learning and data augmentation for mass-generalised jet taggers
为喷流标记训练的深度神经网络通常特定于窄范围的横向动量或喷流质量。考虑到大型强子对撞机能够探测的相空间很大，在大范围的质量或横动量上有效的分类器的潜在好处是显着的。在这项工作中，我们对许多方法的性能进行了基准测试，这些方法用于在远离训练中使用的质量的情况下实现准确的分类，重点是利用元学习的算法。我们研究了QCD背景下喷注与增强$Z'$玻色子的区别。我们发现，一个简单的数据增强策略，标准化的角度尺度的射流与不同的质量是足以产生强大的概括。当与这种增强相结合时，元学习算法在泛化方面只提供了很小的改进。我们还评论质量泛化和质量去相关之间的关系，表明这些模型的泛化比基线更好，也雕刻的背景，以较小的程度。
2021-11-18 hep-ph
CNN on `Top': In Search of Scalable & Lightweight Image-based Jet Taggers
Bennett University（贝内特大学）；Bangabasi Evening College（班加巴西学院）
本文提出了一种轻量且可扩展的CNN架构，用于高效标记顶夸克喷注，同时保持高精度和低计算成本。
2026-11-05 hep-ph physics.comp-ph physics.data-an
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
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
JetCoRD: Reliability-Gated Correction of Jet Taggers over Two Frozen Teachers
Institute of High Energy Physics, Chinese Academy of Sciences（中国科学院高能物理研究所）；University of Chinese Academy of Sciences（中国科学院大学）
研究针对现代喷注标记器训练成本高且难共享问题，提出JetCoRD跨实验蒸馏方法，通过单个样本可靠性信号$r_i$创新设计，用仅82k可训练参数实现学生模型，在准确率上与教师模型相当且在特定工作点有提升，适用于压缩校准不完善教师模型场景。
2026-11-04 hep-ph
Particle-Lund Multimodality in Jet Taggers
Brown University（布朗大学）；Imperial College of Science, Technology and Medicine（帝国理工学院科学、技术与医学学院）
提出PLuM多模态架构，联合处理粒子成分与拉普兰平面分裂，通过交叉注意力机制研究显式QCD层次结构是否补充原始粒子表示，发现对顶夸克和H→bb标记有系统性提升，在HH(4b)分析中背景抑制提高25%。
2026-05-26 cs.LG hep-ex hep-ph
Towards an understanding of jet substructure
我们提出了第一个分析，图解计算的速度，广泛的射流子结构工具标签QCD喷气机。以及考虑修剪，修剪和质量下降标记，我们引入改进的分析和现象学行为的修改工具。大多数标记器具有双对数图化结构。修改后的质量下降标记器是特殊的，因为它只涉及单个矩阵，并且不受称为非全局矩阵的一类复杂术语的影响。修剪的修改带来了改进的区分干扰信号和背景的不同颜色结构的能力。正如我们在广泛的现象学讨论中所概述的那样，这些结果为现有工具的性能提供了有价值的见解，并有助于为未来的子结构研究奠定坚实的基础。
2013-09-05 hep-ph
Assessing Parameter Redundancy in Transformers for Jet Tagging
Henan University（河南大学）；University of Shanghai for Science and Technology（上海理工大学）；Shanghai Jiao Tong University（上海交通大学）
本文针对Transformer喷注标记器参数冗余问题，通过引入沙漏结构和轻量级嵌入层构建变体，大幅减少参数并基本保持标记性能。
2026-08-18 hep-ex hep-ph
Exploring unsupervised top tagging using Bayesian inference
针对蒙特卡洛模拟可能引入偏差的问题，提出两种基于贝叶斯推断混合模型的无监督顶夸克标记算法，性能略低于有监督方法但更稳健，为无偏标记器探索迈出一步。
2023-06-23 hep-ex hep-ph
QCD calculations for jet substructure
我们提出了新的分析计算的结果来描述不变的质量分布的QCD喷注的三个子结构算法：修剪，修剪和质量下降标记。这些结果不仅使我们对这些工具的行为有了相当深入的了解，而且还表明了如何改进它们。作为一个例子，我们讨论了显着的性质修改后的质量下降标签。
2013-11-25 hep-ph
Taming modeling uncertainties with Mass Unspecific Supervised Tagging
我们解决的建模依赖性的射流标记建立使用的方法，质量非特异性监督标记，通过使用两种不同的部分子淋浴和强子化计划。我们发现，建模依赖的结果-估计使用不同的方案在设计的标签，并将它们应用到相同类型的数据-是相当小的，即使射流子结构之间的两个方案显着不同。这些结果增加了很大的价值，使用通用的监督标记新的物理搜索。
2022-01-26 hep-ph
Probing sub-TeV Higgsinos aided by a ML-based top tagger in the context of Trilinear RPV SUSY
本文利用机器学习top标记器和BDT分类器，在重子数破坏的RPV SUSY简化模型中，探测400-1000 GeV的higgsino，结合两个信号区，在HL-LHC上可将探测上限提升至925 GeV。
2024-12-16 hep-ph
Top tagging : an analytical perspective
本文从QCD的第一性原理出发，研究了top标记的几个方面。我们发现，被称为CMS顶部标记器的方法在高$p_t$下变得共线不安全，并提出其变体，其是IRC安全的，因此适合于分析研究，同时给出与CMS标记器相当的性能。我们还开发了新的技术，以确定三叉射流子结构，Y-分裂器的方法，并结合疏导的适应性。一个新的功能，我们的研究，相对于以前的计算的两个分支的子结构，是我们使用的三重共线分裂函数，这是由于存在两个质量尺度相同的顺序，$m_t$和$m_W$，在信号射流。我们进行了领先的对数cummed计算的各种顶标签，为背景和信号射流，并比较结果从部分子阵雨。我们还确定和评论的主要功能驱动标签性能高$p_t$，并讨论了非微扰效应的作用。
2018-07-12 hep-ph
Dissecting Jet-Tagger Through Mechanistic Interpretability
Department of Physics, Indian Institute of Technology, Kanpur（印度理工学院坎浦尔分校物理系）
通过机制可解释性分析粒子变换器架构，揭示喷流分类的计算回路及内部表示的物理内容，展示自然语言模型的可解释性方法可用于喷流分类。
2026-05-11 cs.LG hep-ex hep-ph
Jet tagging made easy
我们开发的标记器的多分叉的射流，是简单的功能的射流子结构（所谓的“subjettiness”）变量。这些标记可以用一种相当简单的方法近似地与喷流质量去相关。具体来说，我们使用逻辑回归设计（LoRD），即使是最简单的机器学习分类器之一，也显示出超过ATLAS和CMS合作使用的简单变量的性能，并且与基于神经网络的更复杂的模型相差不远。与后者相反，我们的方法允许通过提供具有已经优化的参数的简单且可解释的分析公式来容易地执行标记任务。
2020-06-08 hep-ph
Higgs boson tagging with the Lund jet plane
我们建立了一个分离过程，以提升希格斯玻色子衰变为强子，从背景中，由于强相互作用。我们采用Lund喷气飞机来获得理论上动机良好的感兴趣的喷气机的表示，我们使用由此产生的图像作为卷积神经网络分类器的输入。特别是，我们考虑两种不同的衰变模式的希格斯玻色子玻色子，即到一对底夸克或到轻喷流，对各自的背景。对于每一种情况，我们都考虑了一个中等和高升压的情况.的标签的性能相比，使用传统的单变量分析，利用QCD启发的颜色单态标签，即喷气色环观察到的。
2021-09-28 hep-ph
Explainable AI for ML jet taggers using expert variables and layerwise relevance propagation
University at Buffalo, State University of New York（纽约州立大学布法罗分校）；University of Oregon（俄勒冈大学）
提出了一种框架，用于从射流子结构标记技术的深度神经网络（DNN）分类器中提取和理解决策信息。研究的一般方法是提供专家变量，增加输入（“eXpert AUGmented”变量，或XAUG变量），然后应用分层相关传播（LRP）的网络与和没有XAUG变量。XAUG变量在特定于网络的操作（如卷积或递归）后与中间层连接，并用于网络的最终层。比较添加和不添加XAUG变量的网络的结果表明，XAUG变量可以用来解释分类器的行为，当与低级特征结合时，可以提高区分能力，并且在某些情况下可以完全捕获分类器的行为。LRP技术可用于查找网络正在使用的相关信息，并且当与XAUG变量结合时，可用于对特征进行排名，从而允许找到捕获部分网络性能的精简特征集。在所提出的研究中，将XAUG变量添加到低级DNN将分类器的效率提高了30- 40%。除了性能改进之外，还提出了一种方法来量化这些DNN训练中的数值不确定性。
2021-05-12 cs.LG hep-ex hep-ph
Autoencoders for unsupervised anomaly detection in high energy physics
Institute for Theoretical Particle Physics and Cosmology (TTK), RWTH Aachen University（亚琛工业大学理论粒子物理与宇宙学研究所（TTK））
自动编码器广泛用于机器学习应用，特别是异常检测。因此，它们已被引入高能物理作为一个有前途的工具，模型无关的新物理搜索。我们仔细研究了自动编码器在基于重建损失的无监督异常检测中的使用，以显示其功能，但也显示了其局限性。作为粒子物理的基准方案，我们研究了在QCD喷流图像背景下顶喷流图像的标记。虽然我们重现了文献中的积极结果，但我们表明，标准的自动编码器设置不能被认为是一个独立于模型的异常标记器，通过反转任务：由于稀疏性和喷射图像的特定结构，自动编码器无法标记QCD喷射，如果它在顶部喷射上训练，即使在半监督设置中。由于相同的autoencoder架构可以是一个很好的标签的一个特定的例子的异常和一个坏的标签为不同的例子，我们建议改进的性能措施的任务模型无关的异常检测。我们还提高了自动编码器的能力，以学习非平凡的喷流图像的功能，使它能够实现顶部喷流标记和反向任务的QCD喷流标记与相同的设置。然而，我们想强调的是，一个真正的模型独立和强大的基于自动编码器的无监督射流标记器仍然需要开发。
2021-04-19 cs.LG hep-ph physics.data-an
Infrared Safety of a Neural-Net Top Tagging Algorithm
Korea University（高丽大学）；Korea Institute for Advanced Study（韩国高等研究院）；Cornell University（康奈尔大学）
基于神经网络的算法提供了一个很有前途的方法来射流分类问题，如助推顶部射流标记。到目前为止，基于NN的顶级标记器在Monte Carlo研究中表现出出色的性能。在本文中，我们构建了一个基于卷积神经网络（CNN）的top-jet标记器，并将其应用于部分子水平提升的top样本，有和没有一个额外的胶子在最终状态。我们表明，由CNN定义的喷流观测服从红外安全的规范定义：它不受额外胶子的存在，只要它是软的或与夸克之一共线。我们的研究结果表明，CNN标记器是强大的软和共线的最终状态辐射的蒙特卡罗发生器可能的错误建模。
2019-02-16 cs.CV hep-ph
The fundamental limit of jet tagging: Beyond top jets
RWTH Aachen University（亚琛工业大学）
该研究针对粒子物理喷注标记问题，基于Transformer生成模型拓展最优极限研究至W、Z、H→gg喷注，发现极限差距具喷注依赖性，为标记器性能优化提供依据。
2026-08-03 hep-ph
Tagging the initial state gluon in the Z+jet process
我们在与喷流有关的电弱玻色子产生竞赛中研制了喷流味标记器。这里考虑的是具有最高横向动量的射流，并且在射流的角度上进行简单的切割可以作为射流的味道的标记。这是一种红外线和共线（IRC）安全程序，因此从理论角度来看，它是明确定义的。喷流角度在对数精度上具有Casimir标度特性。在这里，我们还考虑了第一个偏离典型的CS行为，因为我们使用最新的射流角计算。把领头的喷流标记为夸克引发的可以使我们提高初始态胶子的纯度。我们将考虑有和没有疏导的有标记和无标记喷流的横向动量分布。它们可能是探测碰撞质子的胶子自由度的潜在有趣的观测值。特别值得研究的是，这样的研究是否可能成为确定胶子部分子分布函数的一种新方法（PDF）。
2021-10-18 hep-ph
Finding top quarks with shower deconstruction
我们发展了一种标记强子衰变顶夸克喷注的新方法。该方法是簇射解构法的一种应用，簇射解构法是一种最大信息方法，以前曾用于识别衰变为底夸克的希格斯玻色子产生的喷流。我们标记一个观察到的喷流作为顶部喷流的基础上削减计算的变量，这是一个近似的比率的可能性，顶部喷流将有观察到的喷流的结构的可能性，一个非顶部QCD喷流将有这种结构。我们发现基于簇射解构的标记算法在区分QCD喷注和顶夸克喷注方面比其他公开可用的标记算法有更好的表现。
2016-12-20 hep-ex hep-ph
Probing the strange Higgs coupling at lepton colliders using light-jet flavor tagging
我们提出了一种方法来探测耦合的希格斯粒子到奇怪的夸克标记奇怪的喷流在未来的轻子对撞机。为此，我们描述了一个喷流味观测，$J_F$，这是与夸克的味道与喷流的硬的一部分。利用这个变量，我们建立了一个奇异性标记器，旨在研究衰变$h\to s\bar{s}$。我们确定我们的方法的灵敏度的奇怪汤川耦合，并发现它是标准模型期望的顺序。
2020-05-28 hep-ex hep-ph
The Fundamental Limit of Jet Tagging
本文利用最先进的生成模型构建具有已知最优值的合成喷注数据集，评估多种先进标记器并揭示其与理论极限的显著差距，为喷注标记提供公开基准。
2025-02-05 hep-ex hep-ph physics.data-an
Uncovering latent jet substructure
我们应用贝叶斯生成统计建模技术来揭示喷气子结构观测值中隐藏的特征，这些特征可以区分多喷流事件中不同的先验未知的短距离物理过程。特别是，我们使用一个混合的成员模型称为潜在的狄利克雷分配建立一个数据驱动的无监督顶夸克标签和$t\bar t$事件分类器。我们将我们的建议与现有的传统和机器学习方法进行比较，以获得顶级喷气机标记。最后，采用玩具矢量标量玻色子模型作为基准，我们展示了在多喷流事件中以模型独立和无监督的方式发现新物理签名的潜力。
2019-09-23 hep-ex hep-ph
Jet tagging in the Lund plane with graph networks
Rudolf Peierls Centre for Theoretical Physics（鲁道夫·派尔斯理论物理中心）；CERN（欧洲核子研究中心）
顶夸克或矢量玻色子等助推重粒子的识别是大型强子对撞机实验研究中的关键问题之一。在这篇文章中，我们介绍了LundNet，一种新的射流标记方法，它依赖于图形神经网络和射流内的辐射模式的有效描述，以最佳地将增强对象的特征与背景事件分离开来。我们将这个框架应用到一些不同的基准测试中，与现有的最先进的算法相比，顶级标记的性能得到了显着提高。我们研究了LundNet标记器对非微扰和检测器效应的鲁棒性，并展示了Lund平面中的运动学切割如何减轻神经网络对模型相关贡献的过拟合。最后，我们认为这种方法的计算复杂性和其缩放作为一个功能的运动隆德平面切割，显示了一个数量级的速度比以前的基于图形的标记。
2021-02-11 cs.CV cs.LG hep-ex
Unsupervised quark/gluon jet tagging with Poissonian Mixture Models
由夸克或胶子诱导的喷流的分类对于在高能对撞机上进行新物理学研究是重要的。然而，现有的标记器通常依赖于通过蒙特卡罗模拟对数据进行建模，这可能会掩盖难以处理的理论和系统的不确定性。为了显着减少偏见，我们提出了一种无监督学习算法，给定一个样本的喷气机，可以学习夸克和胶子发起的喷气机及其馏分的SoftDrop泊松率。我们提取了混合参数的极大似然估计和它们的后验概率。然后，我们构建了一个夸克胶子标签，并估计其准确性在实际数据中的$0.65-0.7$范围内，监督算法以下，但仍然具有竞争力。我们还展示了相关的无监督度量如何表现良好，允许无监督超参数选择。此外，我们发现，这一结果是不受影响的角拖影引入模拟探测器效应的中央射流。所提出的无监督学习算法简单，其结果是可解释的，并依赖于很少的假设。
2022-02-28 hep-ph
Improving the Understanding of Jet Grooming in Perturbation Theory
喷流疏导已成为精密喷流物理研究中一个必要而有力的工具。本文给出了微扰理论中喷流梳理的三个结果，重点讨论了用改进的质量降标记器对$e^+e^-\to$强子碰撞中重喷流质量的梳理。首先，我们计算了首阶的解析截面。其次，利用前导阶的结果和次-次-前导阶的数值结果，我们证明了前导阶相空间内部分布中的尖点在高阶时被软化。最后，使用分析和数值计算结果，我们表明，条款违反了梳理射流质量的因式分解定理的假设是数值上远小于预期的功率计数。这些结果提供了重要的信息，关于收敛的扰动理论疏导喷流观测值和可靠的估计，在精密计算的残余不确定性。
2020-08-14 hep-ex hep-ph
Boosted $W/Z$ Tagging with Jet Charge and Deep Learning
我们证明，使用深度学习和喷流电荷变量，与传统的基于切割和基于BDT的方法相比，可以显着改进增强的强子衰减弱规范玻色子的分类。我们构建了用于$W^+$与$W^-$和$Z$与$W$区分的二元标记器，以及用于$W^+$ / $W^-$ / $Z$区分的总体三元分类器。除了一个简单的卷积神经网络（CNN），我们还探索了两个CNN的组合，在射流$p_{T}$和射流电荷通道中具有不同的层数。我们发现，这种新的结构，特别是当考虑的$Z$玻色子作为信号，提高了性能。本文提出的方法可以增强SM测量中的物理势，并寻找对弱规范玻色子的电荷敏感的新物理。
2020-03-19 hep-ex hep-ph
Boosted top tagging and its interpretation using Shapley values
本研究基于$N$-Subjettiness和Energy Correlation等特征训练XGBOOST构建顶夸克标记器，验证了其在不同模拟条件下的鲁棒性，并利用SHAP框架和Shapley值解释了各特征对模型预测的贡献。
2024-12-27 hep-ex hep-ph
Novel $|V_{cb}|$ extraction method via boosted $bc$-tagging with in-situ calibration
提出一种在 LHC 上利用先进 boosted-jet 标记器识别 $bc$ 特征并通过 top-quark 衰变进行原位校准的新方法，显著提高了 $|V_{cb}|$ 测量精度并增强了 $H^{\pm} \rightarrow bc$ 搜索灵敏度。
2025-04-03 hep-ph
The Time Substructure of Jets and Boosted Object Tagging
我们开始研究的时间子结构的喷气机，动机的事实，即下一代的探测器在粒子对撞机将解决的时间尺度上的喷气成分到达。这种效应与强子化直接相关，强子化将部分子转变为具有速度分布的大质量强子。我们回顾了喷流强子的速度分布的基本预测，并提出了应用这一信息的背景下，助推对象标记。注意到速度分布是由终止于引发喷流的部分子上的色弦的性质决定的，我们观察到，源自增强色单态的喷流，如标准模型电弱玻色子，将表现出相对于类似喷流能量的QCD喷流增强的速度分布。我们发现，通过执行一个简单的削减相应的分布带电强子到达时间在检测器上，我们可以区分QCD喷气机，否则会给一个假阳性下一个传统的基于空间子结构的提升对象标记。
2021-07-15 hep-ex hep-ph
Vetoed jet clustering: The mass-jump algorithm
提出了一类新的喷射聚类算法。一个标准的灵感来自成功的质量下降标记，防止重组的两个硬叉，如果他们的组合射流质量是大大大于单独的叉的质量。这种“质量跳跃”否决有效地导致在稠密环境中具有可变半径的射流。与现有方法的差异进行了研究。它示出了提升顶夸克，新算法具有有益的特性，可以导致提高标签纯度。
2015-04-23 hep-ph
Tagging $b$ quarks at extreme energies without tracks
我们描述了一种新的命中为基础的$b$标记技术的高能射流，并研究其性能与Geant 4为基础的模拟。该技术利用了这样一个事实，即在足够高的能量下，B介子或重子可以存活足够长的时间，以便在衰变之前穿过ATLAS，ALICE或CMS实验中的像素探测器的内层。通过首先定义一个“喷流”通过量热计，然后计数命中的像素层之间的喷射在增加半径，我们表明，它是可能的，以确定包含$b$ -夸克的喷射通过检测跳跃的命中数。我们表明，该技术保持其效率的能量超出了传统的$b$ -taggers的范围。
2016-07-01 hep-ex hep-ph
Colouring the Higgs boson
喷色环是一种新型的可观测颜色标记器，其设计用于将颜色单态的衰变从不同颜色配置的双喷背景分离成两个喷。模拟研究了产生一个增强的希格斯玻色子玻色子衰变为两个b夸克和一个相关的电弱玻色子的情况，在将喷注色环的性能与其他观测值进行比较时，显示出显着的能量。这些结果为进一步的研究开辟了广阔的前景。
2022-01-28 hep-ph
Jet substructure with analytical methods
我们考虑QCD喷注的质量分布后，喷注子结构方法的应用，特别是质量下降tagger，修剪，修剪及其变种。与目前大多数采用蒙特卡罗方法的研究相反，我们在下一个领先的顺序水平进行分析计算，这足以提取每种技术的主导对数行为，并将我们的研究结果与精确的固定顺序结果进行比较。我们的研究结果最终将导致更好地了解这些射流子结构的方法，反过来又会影响未来的子结构工具的发展，大型强子对撞机的现象。
2013-10-06 hep-ph
Tagging single Tops
顶标签识别和重建助推顶夸克已被建立作为一种新的工具，为众多的大型强子对撞机分析。我们展示了如何与一个光味或底部射流的单顶生产可以观察到在助推相空间制度。作为标记算法的一部分，完整的顶部重建允许我们定义一个独特的运动学角度，该角度可以清楚地区分不同的单顶部生产过程。
2012-07-19 hep-ex hep-ph
Boosted top tagging via lepton-in-jet topology for vector-like quark searches in FCC-hh
Centre for High Energy Physics, Indian Institute of Science（印度科学学院高能物理中心）；Department of Physics, Indian Institute of Technology, Kanpur（坎普尔印度理工学院物理系）
本文提出机器学习框架，利用轻子-in-jet拓扑标记增强顶夸克，用于FCC-hh上矢量样B'夸克搜索，实现约7-10 TeV的5σ发现能力。
2026-10-06 hep-ex hep-ph
QCD resummation for groomed jet observables at NNLL+NLO
本文对使用Soft Drop β=0修饰的喷注观测量进行NNLL重求和，将NNLL项分为简化包含性标记器和C/A聚类修正两类，首次给出修饰喷注角度的NNLL+NLO预言，并同时纳入有限z_cut的NLL效应，结果对过程无关，可推广至强子对撞机。
2023-10-27 hep-ph
Novel Jet Observables from Machine Learning
以前的研究已经证明了机器学习技术对喷气物理的实用性和适用性。在本文中，我们构造了新的观测值，用于从机器识别的信息中专门区分来自不同起源粒子的射流。我们提出的方法是首先通过分辨相空间来组织射流中的信息，并确定鉴别能力饱和的有效$N$体相空间。然后，这允许构造从$N$ -体相空间坐标可观察到的辨别。该可观测量的一般形式可以用许多参数来表示，这些参数被选择为使得可观测量最大化信号与~背景可能性在这里，我们说明这种技术适用于歧视的$H\to b\bar b$衰变大规模$g\to b\bar b$分裂。我们表明，对于一个简单的参数化，我们可以构建一个观察到的歧视权力相媲美，或更好地比，广泛使用的观察动机从理论上考虑。对于应用改进的质量滴标记器梳理的喷流的情况，机器学习的可观测值基本上是$b\bar b$对的主导胶子发射的角度。
2018-07-03 hep-ex hep-ph
