来自机器学习的新型喷射可观察物

先前的研究已经证明了机器学习技术对射流物理学的实用性和适用性。 在本文中，我们仅根据机器识别出的信息构建了新的可观测值，以区别于不同的始发粒子。 我们提出的方法是首先通过分辨的相空间来组织射流中的信息，并确定辨别力饱和的有效N体相空间。 然后，这允许构造可从N体相空间坐标观察到的辨别力。 该可观察物的一般形式可以用选择的许多参数来表达，以使该可观察物最大化信号对背景可能性。 在这里，我们说明了这种技术，该方法适用于从大量的g→b b的$$ g \到b \ overline {b} $$分裂的H→b b的$$ H \ to b \ overline {b} $$衰减。 我们表明，对于一个简单的参数化，我们可以构造一个具有与基于理论考虑的动机而被广泛使用的可观察物相当或更好的判别力的可观察物。 对于应用了改进的质量下降标记仪修饰的喷气机，机器可观察到的结果基本上是从b b $$ b \ overline {b} $$对中的主要胶子发射角度。