[논문 리뷰] Higgs tagging with the Lund jet plane

Charanjit K. Khosa, Simone Marzani|arXiv (Cornell University)|2021. 05. 09.

Particle physics theoretical and experimental studies인용 수 4

한 줄 요약

이 논문은 룬드 제트 평면을 사용하여 제트의 이미지 유사 표현을 생성하고, 이를 컨volutional 신경망(CNN)을 통해 분류하는 새로운 힉스 태깅 방법을 제안한다. 이 방법은 기존의 단일 변수 기반 QCD 유도 태거인 제트 컬러 링보다 고부스트 상황에서 뛰어난 성능을 보이며, QCD 배경과부터의 힉스 보손의 분리 능력이 향상됨을 보여준다.

ABSTRACT

We construct a procedure to separate boosted Higgs bosons decaying into hadrons, from the background due to strong interactions. We employ the Lund jet plane to obtain a theoretically well-motivated representation of the jets of interest and we use the resulting images as the input to a convolutional neural network classifier. In particular, we consider two different decay modes of the Higgs boson, namely into a pair of bottom quarks or into light jets, against the respective backgrounds. For each case, we consider both a moderate- and high- boost scenario. The performance of the tagger is compared to what is achieved using a traditional single-variable analysis which exploits a QCD inspired color-singlet tagger, namely the jet color ring observable. Furthermore, we study the dependence of the tagger's performance on the requirement that the invariant mass of the selected jets should be close to the Higgs mass.

연구 동기 및 목표

• 고에너지 환경에서 강한 QCD 배경이 존재하는 상황에서도, 하드론으로 붕괴하는 부스트된 힉스 보손에 대한 견고한 태깅 방법을 개발하는 것.
• 이론적으로 타당성이 있는 룬드 제트 평면 표현을 활용하여 머신러닝 기반 분류를 위한 제트 이미지 특징을 향상시키는 것.
• CNN 기반 태거의 성능을 기존의 단일 변수 기반 기법(예: 제트 컬러 링 관측량)과 비교하는 것.
• 선택된 제트의 재구성된 관측 질량이 힉스 보손 질량에 가까워야 한다는 조건이 태깅 효율성에 미치는 영향을 평가하는 것.

제안 방법

• 룬드 제트 평면을 사용하여 제트의 각도 및 운동량 구조를 2차원 이미지 표현으로 변환하여, 파arton의 계층적 분열 패턴을 캡처한다.
• 이러한 제트 이미지는 힉스 붕괴 제트와 QCD 배경 제트를 구분하도록 훈련된 컨volutional 신경망(CNN)에 입력된다.
• 이 방법은 중간 부스트 및 고부스트 영역 모두에서 H → bb̄ 및 H → qq̄ 두 가지 붕괴 모드에 적용된다.
• 성능 평가를 위해 기존의 단일 변수 분석(예: QCD 유도 색상 단일 상태 태거인 제트 컬러 링 관측량)과 비교된다.
• 재구성된 제트의 관측 질량이 힉스 보손 질량에 가까워야 한다는 조건이 태거의 성능에 미치는 영향을 평가한다.

실험 결과

연구 질문

• RQ1 룬드 제트 평면 표현은 기존의 단일 변수 관측량과 비교해 힉스 태깅 성능을 향상시킬 수 있는가?
• RQ2 CNN 기반 태거는 고부스트 조건에서 바닥 쿼크로 붕괴하는 힉스 보손을 QCD 배경과 구분하는 데 얼마나 잘 작동하는가?
• RQ3 선택된 제트의 관측 질량이 힉스 질량에 가까워야 한다는 조건을 적용하면 진짜 힉스 붕괴를 식별하는 데 태거의 능력이 향상되는가?
• RQ4 다양한 부스트 수준과 붕괴 모드에서 CNN 기반 태거의 성능은 제트 컬러 링 관측량과 비교해 어떻게 나타나는가?

주요 결과

• 룬드 제트 평면 이미지를 사용하는 CNN 기반 태거는 중간 부스트 및 고부스트 상황 모두에서 기존의 제트 컬러 링 관측량보다 뛰어난 성능을 보였다.
• 이 방법은 특히 기존 기법이 어려움을 겪는 고부스트 영역에서 바닥 쿼크나 경량 제트로 붕괴하는 힉스 붕괴에 대해 향상된 민감도를 보였다.
• 재구성된 제트의 관측 질량이 힉스 질량에 가까워야 한다는 조건을 적용하면 신호 대 배경 분리 능력이 향상되었으며, 특히 CNN 분류기와 조합했을 때 두드러졌다.
• 룬드 제트 평면는 이론적으로 타당성 있고 정보가 풍부한 표현으로, 딥러닝 모델에 대한 제트 서브스트럭처를 효과적으로 인코딩한다.