Изучение бозона Хиггса в процессе $ZH → l^+l^-b\bar b$ с использованием различных алгоритмов машинного обучения

Аннотации

Авторы

  • Ф. Ахмадов Объединенный институт ядерных исследований, Дубна, Россия; Институт физики Министерства науки и образования Азербайджана, Баку, Азербайджан

Аннотация

Исследование бозона Хиггса в ассоциированном рождении с $Z\text{-}$бозоном и распаде на $b\text{-}$кварки $(H → b\bar b)$ проводилось с использованием различных алгоритмов машинного обучения. Был выбран только распад $Z\text{-}$бозона на заряженные лептоны, электрон-позитронную пару или мюон-антимюонную пару. Классификация сигнала и фона проводилась с использованием трех алгоритмов машинного обучения: расширенного дерева решений, искусственной нейронной сети и глубокой нейронной сети. Сигнальные и фоновые события, используемые для обучения, были получены с помощью генераторов событий Монте-Карло Powheg и Sherpa. Для обучения алгоритмов машинного обучения было использовано около миллиона сигнальных и фоновых событий. После оптимизации всех трех алгоритмов было обнаружено, что наилучшие результаты с точки зрения производительности или значимости сигнала были получены при использовании искусственной нейронной сети. Переход от TMVA к TensorFlow благодаря использованию параллелизма значительно повысил эффективность обучения нейронных сетей. Это достижение фактически решило проблему длительного времени обучения искусственных нейронных сетей, сделав их сопоставимыми или даже лучшими по сравнению с расширенными деревьями решений. 

Опубликован

2026-11-18

Выпуск

Раздел

Статьи