识别Z玻色子喷注的卷积神经网络方法
高能物理中喷注识别任务是从背景中识别出感兴趣的特定信号,这些信号对于在大型强子对撞机上发现新的粒子,或者新的过程都有着非常重要的意义.量能器中产生的能量沉积可以看做是对喷注的一种拍照,分析这样产生的数据在机器学习领域中属于一个典型的视觉识别任务.基于喷注图片,本文探索了利用卷积神经网络(convolutional neural networks,CNNs)识别量子色动力学背景下的Z玻色子喷注,并与传统的增强决策树(boosted decision trees,BDTs)方法进行了对比.在本文利用的输入前提下,三种相关的性能参数表明,CNN比BDT带来了约1.5倍的效果提升.除此之外,通过最优与最差的喷注图与混淆矩阵,说明了CNN通过训练学习到的内容与整体识别能力.
Z玻色子衰变、夸克、胶子、神经网络
70
国家自然科学基金批准号,11675033,12075043
2021-04-01(万方平台首次上网日期,不代表论文的发表时间)
共7页
161-167