機械学習を用いた展開の景観

機械学習の最新の革新により、ビニングを行わずに相関を含む多次元にわたる形で、データの展開が可能になった。既知の手法を改良し、新しい手法を開発し、同じ2つのデータセットに適用して性能を評価した。すべての手法が複雑な観測量にわたって正確に粒子レベルのスペクトルを再現できることがわかった。これらの手法は概念的に多様であり、標準模型をかつてないレベルの詳細で探査し、新現象への感度を高める一連の測定に役立つ興味深いツールキットを提供する。