論文の概要: Learning to increase matching efficiency in identifying additional
b-jets in the $\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$ process
- arxiv url: http://arxiv.org/abs/2103.09129v1
- Date: Tue, 16 Mar 2021 15:16:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-17 16:40:09.338937
- Title: Learning to increase matching efficiency in identifying additional
b-jets in the $\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$ process
- Title(参考訳): $\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$ processにおけるb-jetsの追加を識別する際のマッチング効率向上の学習
- Authors: Cheongjae Jang (1), Sang-Kyun Ko (2), Yung-Kyun Noh (1 and 2), Jieun
Choi (3), Jongwon Lim (3) and Tae Jeong Kim (3) ((1) A.I. Institute, Hanyang
University, (2) Department of Computer Science, Hanyang University, (3)
Department of Physics, Hanyang University)
- Abstract要約: texttbartextbbartextb$プロセスは、bクォークペアと関連して、トップクォークペアを生成します。
我々は、データから学習する深層学習手法を採用し、$texttbartextbbartextb$イベントから追加のb-jetを識別する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The $\text{t}\bar{\text{t}}\text{H}(\text{b}\bar{\text{b}})$ process is an
essential channel to reveal the Higgs properties but has an irreducible
background from the $\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$ process,
which produces a top quark pair in association with a b quark pair. Therefore,
understanding the $\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$ process is
crucial for improving the sensitivity of a search for the
$\text{t}\bar{\text{t}}\text{H}(\text{b}\bar{\text{b}})$ process. To this end,
when measuring the differential cross-section of the
$\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$ process, we need to distinguish
the b-jets originated from top quark decays, and additional b-jets originated
from gluon splitting. Since there are no simple identification rules, we adopt
deep learning methods to learn from data to identify the additional b-jets from
the $\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$ events. Specifically, by
exploiting the special structure of the
$\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$ event data, we propose several
loss functions that can be minimized to directly increase the matching
efficiency, the accuracy of identifying additional b-jets. We discuss the
difference between our method and another deep learning-based approach based on
binary classification arXiv:1910.14535 using synthetic data. We then verify
that additional b-jets can be identified more accurately by increasing matching
efficiency directly rather than the binary classification accuracy, using
simulated $\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$ event data in the
lepton+jets channel from pp collision at $\sqrt{s}$ = 13 TeV.
- Abstract(参考訳): この$\text{t}\bar{\text{t}}\text{h}(\text{b}\bar{\text{b}})$プロセスはhiggsプロパティを明らかにするために必須のチャネルであるが、$\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$プロセスから既約な背景を持ち、bクォーク対と関連するトップクォーク対を生成する。
したがって、$\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$プロセスを理解することは、$\text{t}\bar{\text{t}}\text{h}(\text{b}\bar{\text{b}})$プロセスに対する検索の感度を向上させるために不可欠である。
この目的のために、$\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$プロセスの微分断面積を測定する際には、トップクォーク崩壊に由来するb-jetsと、グルーオン分裂に由来するb-jetsを区別する必要がある。
単純な識別ルールがないため、データから学習するためにディープラーニング手法を採用し、$\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$ eventsから追加のb-jetを識別する。
具体的には、$\text{t}\bar{\text{t}}\text{b}\bar{\text{b}}$イベントデータの特別な構造を利用することで、マッチング効率を直接向上するために最小化できるいくつかの損失関数、追加のb-jetを識別する精度を提案する。
合成データを用いた2進分類arXiv:1910.14535に基づいて,本手法と他の深層学習手法の違いを考察する。
次に、$\sqrt{s}$ = 13 TeV での pp 衝突による lepton+jets チャネルのイベントデータをシミュレートして、バイナリ分類精度よりもマッチング効率を直接向上させることにより、b-jets の追加がより正確に識別可能であることを検証した。
関連論文リスト
- Mechanics of Next Token Prediction with Self-Attention [41.82477691012942]
トランスフォーマーベースの言語モデルは、入力シーケンスが与えられた次のトークンを予測するために、大きなデータセットでトレーニングされる。
勾配降下による自己注意の訓練は,次のトークンを2つの異なるステップで生成するオートマトンを学習することを示す。
これらの発見が、どのように自己認識がシーケンシャルなデータをどのように処理し、より複雑なアーキテクチャをデミステライズする道を開くか、光を当てることを願っています。
論文 参考訳(メタデータ) (2024-03-12T21:15:38Z) - Intensity-free Integral-based Learning of Marked Temporal Point
Processes [7.769880665732138]
本研究の目的は、イベントマークが分類的または数値的である離散イベントに対して、高忠実度$p*(m,t)$を開発することである。
条件付きジョイントPDF $p*(m,t)$ を強度関数なしで直接モデル化するソリューションフレームワーク IFIB を提案する。
論文 参考訳(メタデータ) (2023-08-04T14:52:22Z) - FriendlyCore: Practical Differentially Private Aggregation [67.04951703461657]
我々は、制約のない(擬似)計量空間から点の集合を$cal D$として取り出す、単純で実用的なツールである$mathsfFriendlyCore$を提案する。
$cal D$ が有効直径 $r$ を持つとき、$mathsfFriendlyCore$ はすべての点を含む "stable" サブセット $cal D_Gsubseteq cal D$ を返す。
$mathsfFriendlyCore$は、プライベートに集約する前に入力を前処理するために使用することができる。
論文 参考訳(メタデータ) (2021-10-19T17:43:50Z) - On the Self-Penalization Phenomenon in Feature Selection [69.16452769334367]
カーネル群に基づく暗黙の空間性誘導機構について述べる。
アプリケーションとしては、この疎結合誘導機構を使用して、特徴選択に一貫性のあるアルゴリズムを構築します。
論文 参考訳(メタデータ) (2021-10-12T09:36:41Z) - On the Power of Multitask Representation Learning in Linear MDP [61.58929164172968]
本稿では,線形マルコフ決定過程(MDP)におけるマルチタスク表現学習の統計的メリットについて分析する。
簡単な最小二乗アルゴリズムが $tildeO(H2sqrtfrackappa MathcalC(Phi)2 kappa dNT+frackappa dn) というポリシーを学ぶことを証明した。
論文 参考訳(メタデータ) (2021-06-15T11:21:06Z) - Semi-supervised Active Regression [21.51757844385258]
本稿では,学習課題における偏りのある部分ラベル付きデータの利用について検討する。
学習者は、追加のラベルクエリをほとんど行わずに、mathbbRd | X min_beta in mathbbRd | X beta - Y |2 end2 方程式でデータセット $X にアクセスすることができる。
論文 参考訳(メタデータ) (2021-06-12T03:28:43Z) - Nearly Horizon-Free Offline Reinforcement Learning [97.36751930393245]
S$状態、$A$アクション、計画的地平$H$で、エピソードな時間同質なMarkov決定プロセスに関するオフライン強化学習を再考する。
経験的MDPを用いた評価と計画のための,約$H$自由なサンプル複雑性境界の最初の集合を得る。
論文 参考訳(メタデータ) (2021-03-25T18:52:17Z) - An Algorithm for Learning Smaller Representations of Models With Scarce
Data [0.0]
データセットが小さすぎるか、完全に代表的でない状況下で、二項分類問題を解くための欲求的アルゴリズムを提案する。
それは、ゆるやかな精度の制約、反復的なハイパーパラメータプルーニング手順、新しいデータを生成するために使われる関数といった訓練されたモデルに依存している。
論文 参考訳(メタデータ) (2020-10-15T19:17:51Z) - All you need is a second look: Towards Tighter Arbitrary shape text
detection [80.85188469964346]
長い曲線のテキストインスタンスは、CNNの受信フィールドサイズが制限されているため、断片化されがちである。
矩形や四角形のバウンディングボックスを用いた単純な表現は、より難しい任意の形のテキストを扱う際に不足する。
textitNASKは、予測された幾何学的属性を使用して、より厳密な表現でテキストインスタンスを再構築する。
論文 参考訳(メタデータ) (2020-04-26T17:03:41Z) - Fixed-Support Wasserstein Barycenters: Computational Hardness and Fast
Algorithm [100.11971836788437]
固定支持ワッサーシュタインバリセンタ問題(FS-WBP)について検討する。
我々は,有望な反復的ブレグマン射影 (IBP) アルゴリズムであるtextscFastIBP の,証明可能な高速なテキスト決定論的変種を開発する。
論文 参考訳(メタデータ) (2020-02-12T03:40:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。