arXiv 2401.024742024-01hep-phhep-ex

从最优观测量到机器学习：未来轻子对撞机上 $e^+e^- \to W^+W^-$ 的有效场论分析

From Optimal Observables to Machine Learning: an Effective-Field-Theory Analysis of $e^+e^- \to W^+W^-$ at Future Lepton Colliders

Shengdu Chai, Jiayin Gu, Lingfeng Li

备注：: 31 pages, 8 figures, minor updates

阅读 PDF

arXiv 页面 ↗HTML 原文 ↗

AI总结：

本文提出用基于模拟的机器学习推断方法分析未来轻子对撞机上 $e^+e^- \to W^+W^-$ 的有效场论，证明其相比最优观测量等传统方法对探测器效应和背景更稳健，并可推广至其他有效场论过程。

摘要：

我们将机器学习技术应用于未来轻子对撞机上 $e^+e^- \to W^+W^-$ 过程的有效场论分析，并展示了其相对于最优观测量等传统方法的优势。与传统算法相比，我们表明基于模拟的推断方法对探测器效应和背景更加稳健，并且原则上可以在拥有足够多、能够准确描述实验的蒙特卡洛模拟样本时产生无偏结果。这对于未来轻子对撞机的分析至关重要，因为 $e^+e^- \to W^+W^-$ 测量可以达到极高的精度（以反常三规范耦合表示约为 $\sim 10^{-4}$ 甚至更好）。我们的框架可以推广到其他有效场论分析，例如 $e^+e^- \to t\bar{t}$ 或缪子对撞机上的类似过程。

英文摘要：

We apply machine-learning techniques to the effective-field-theory analysis of the $e^+e^- \to W^+W^-$ processes at future lepton colliders, and demonstrate their advantages in comparison with conventional methods, such as optimal observables. Compared to traditional algorithms, we show that simulation-based inference methods are more robust to detector effects and backgrounds, and could in principle produce unbiased results with sufficient Monte Carlo simulation samples that accurately describe experiments. This is crucial for the analyses at future lepton colliders given the outstanding precision of the $e^+e^- \to W^+W^-$ measurement ($\sim 10^{-4}$ in terms of anomalous triple gauge couplings or even better) that can be reached. Our framework can be generalized to other effective-field-theory analyses, such as the one of $e^+e^- \to t\bar{t}$ or similar processes at muon colliders.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

AI总结：

摘要：

英文摘要：

相关论文