彩色深度学习：走向自动夸克/胶子喷射识别

人工智能为对撞机物理学中具有挑战性的数据处理任务提供了自动化的潜力。 为了确定其前景，我们探索用卷积神经网络进行的深度学习在何种程度上可以比物理学家设计的可观察物更好地区分夸克和胶子喷射。 我们的方法建立在将射流视为图像的范式之上，其强度由局部量热仪沉积物给出。 我们通过为图像添加颜色来补充这种构造，其中红色，绿色和蓝色强度由带电粒子中的横向动量，中性粒子中的横向动量和像素级带电粒子数给出。 总体而言，深层网络匹配或优于传统的射流变量。 我们还发现，尽管各种模拟产生了不同的夸克和胶子射流，但与传统的可观察物相似，神经网络出人意料地对这些差异不敏感。 这表明网络可以从不完善的仿真中提取可靠的物理信息。