Core Concepts
特別な訓練手法を用いることで、トランスフォーマーベースのニューラルネットワークを使ってH→Z(ℓ+ℓ−)γ崩壊の有意性を高めることができる。
Abstract
この研究では、H→Z(ℓ+ℓ−)γ崩壊の共鳴探索の有意性を高めるためのトランスフォーマーベースのニューラルネットワークが提案されている。
特別な訓練手法を開発し、ネットワークの出力と再構成質量の相関を低減しながら有意性を高めることができる。
提案するイベントクラシファイアトランスフォーマーは、ブースト決定木やフィードフォワードネットワークと比較して、より高い有意性と低い質量相関を示す。
入力特徴量をトークンに埋め込む際に、各特徴量に対して個別のフィードフォワードネットワークを使用する。
極端損失関数と距離相関正則化を組み合わせ、データスコープ訓練を行うことで、有意性の向上と質量相関の低減を実現する。
有意性を最大化するモデル選択基準を用いることで、最適なモデルを選択できる。
Stats
信号事象数は138 fb-1の標準モデル断面積に基づいて設定されている。
背景事象数は138 fb-1の標準モデル断面積に基づいて設定されている。
Quotes
"特別な訓練手法を開発し、ネットワークの出力と再構成質量の相関を低減しながら有意性を高めることができる。"
"提案するイベントクラシファイアトランスフォーマーは、ブースト決定木やフィードフォワードネットワークと比較して、より高い有意性と低い質量相関を示す。"