具有最强中性变弱到三个夸克的强子R奇偶校验违反的超对称性仍然受到微弱的约束。 这项工作旨在通过增强决策树方法，结合射流子结构的附加信息，进一步改善当前对这种情况的搜索。 特别是，我们发现一个深层的神经网络在表征中性射流子结构方面表现良好。 我们首先构建一个卷积中性网络（CNN），该网络可以使用喷射图像的概念在任何信号处理中标记中性喷射。 当应用于纯射流样品时，这样的CNN在标记效率方面要胜过N子变量。 此外，我们发现该方法结合了CNN输出和射流不变质量，可以比单独的CNN更好地执行并且适用于更广泛的中性粒子质量。 最终，将ATLAS搜索具有随后衰减g〜→qq×〜10（→qqq）的胶质糖对产生的信号重新应用。 与纯样品相比，在这种复杂的最终状态下，射流之间的严重污染使CNN和N子色的区分能力相似。 通过使用我们的CNN方法分析通过ATLAS切割的事件中的射流子结构，对于中性奴隶质量为〜100 GeV，胶质物质的排除极限可以提高〜200 GeV。
