핵심 개념
머신 러닝, 특히 젯 이미지를 사용하는 컨볼루션 신경망은 강입자 공명의 양자 특성(색상, 스핀)을 식별하는 데 기존 기술보다 뛰어난 성능을 보여주며, 이는 새로운 입자 분류를 개선하고 LHC에서의 탐색 및 측정에 중요한 도구가 될 수 있습니다.
초록
머신 러닝을 사용한 강입자 공명의 양자 특성 식별
본 연구는 LHC(Large Hadron Collider)에서 생성되는 강입자 공명의 양자 특성(스핀, 색깔 상태)을 머신 러닝 기법을 사용하여 식별하는 것을 목표로 합니다. 특히, 젯 이미지를 활용한 컨볼루션 신경망(CNN)의 성능을 기존 기술과 비교 분석하고, 젯 방사 패턴 내 유용한 정보를 식별합니다.
연구는 다양한 종류의 경입자 공명(Z-primes, colorons, scalar diquarks, excited quarks, massive spin 2 objects, color octet scalars, Higgs bosons)을 벤치마크로 사용하고, MadGraph5 amc@NLO 및 Pythia8을 이용하여 양성자-양성자 충돌 시뮬레이션을 수행했습니다. 생성된 젯은 anti-kt 알고리즘(R=1.0)을 사용하여 클러스터링하고, 젯 이미지로 변환하여 머신 러닝 모델 학습에 사용했습니다.