[논문 리뷰] Tagging the Higgs boson decay to bottom quarks with colour-sensitive observables and the Lund jet plane

Luca Cavallini, A. Coccaro외 7명|arXiv (Cornell University)|2021. 12. 17.

Particle physics theoretical and experimental studies참고 문헌 50인용 수 11

한 줄 요약

이 논문은 이론 기반의 색감응 관측량—예를 들어 D2, 색 고리, 제트 풀 등—과 컨volutional 신경망(CNN)을 통해 처리된 Lund 제트 평면 이미지를 조합한 새로운 Hbb 태거를 제안한다. 강화된 결정수 나무(BDT)로 훈련된 이 방법은 시뮬레이션에서 AUC 0.893을 기록하고, 빠른 검출기 시뮬레이션 이후에도 0.846을 유지하여 QCD 배경에 대한 강력한 분리 능력을 보이며, 검출기 효과에 대해도 강인함을 입증한다.

ABSTRACT

We study the problem of distinguishing $b$-jets stemming from the decay of a colour singlet, such as the Higgs boson, from those originating from the abundant QCD background. In particular, as a case study, we focus on associate production of a vector boson and a Higgs boson decaying into a pair of $b$-jets, which has been recently observed at the LHC. We consider the combination of several theory-driven observables proposed in the literature, together with Lund jet plane images, in order to design an original $Hbb$ tagger. The observables are combined by means of standard machine learning algorithms, which are trained on events obtained with fast detector simulation techniques. We find that the combination of high-level single-variable observables with the Lund jet plane provides an excellent discrimination performance. We also study the dependence of the tagger on the invariant mass of the decaying particles, in order to assess the extension to a generic $Xbb$ tagger.

연구 동기 및 목표

• 히iggs 보손의 바텀 쿼크로의 붕괴를 주요 QCD 배경과 구분하기 위한 고성능 Hbb 태거 개발.
• 신호와 배경에서 유사한 이중봉 제트 구조 문제를 해결하기 위해 색 흐름과 복사 패턴의 차이를 활용.
• 붕괴 진동수의 관성 질량에 대해 최소한의 민감도를 가지는 태거 설계로, 일반적인 Xbb 최종 상태에 적용 가능하도록 함.
• 빠른 검출기 시뮬레이션을 사용하여 검출기 효과가 태거 성능에 미치는 영향 평가.
• 향상된 분류 능력을 위해 고수준 이론 관측량과 이미지 기반 제트 표현 방식을 융합할 수 있는지 탐색.

제안 방법

• 강화된 결정수 나무(BDT) 분류기의 입력 특징으로 여덟 가지 고수준의 색감응 관측량(예: D2, 색 고리, 제트 풀 구성요소)을 조합.
• Lund 제트 평면 이미지를 컨volutional 신경망(CNN)의 입력으로 사용하여 제트 내 복사 패턴을 탐지하도록 훈련.
• CNN 출력을 BDT 분류기의 추가 특징으로 통합하여 두 접근법의 분류 능력을 통합.
• GEANT4 기반 프레임워크를 사용해 빠른 검출기 시뮬레이션을 수행하여 관측량과 제트 이미지에 대한 실제 검출기 효과 모델링.
• 50/50 훈련/검증 분할을 사용해 VH→lνbb 과정으로 생성된 몬테카를로 이벤트를 기반으로 모델 훈련 및 검증.
• 표준 머신러닝 라이브러리(ROOT/TMVA 및 Keras)를 사용해 BDT 및 CNN 하이퍼파rameter 최적화; 정규화를 위해 드롭아웃 및 배치 정규화 적용.

실험 결과

연구 질문

• RQ1 색감응 관측량과 Lund 제트 평면 이미지를 조합하면 개별 방법 대비 Hbb 태거 성능을 크게 향상시킬 수 있는가?
• RQ2 해상도 및 에너지 스메어링 등의 검출기 효과가 태거의 분류 능력에 어떤 영향을 미치는가?
• RQ3 특히 일반적인 Xbb 태거 맥락에서, 태거 성능이 b-쿼크 쌍의 관성 질량에 얼마나 편향되어 있는가?
• RQ4 Lund 제트 평면 CNN은 다양한 진동수 질량에서 높은 분류 능력을 유지할 수 있는가, 아니면 본질적으로 질량에 민감한가?
• RQ5 특히 CNN 구성 요소에서 질량 편향을 줄일 수 있는가, 이를 통해 비공진 또는 질량이 알려지지 않은 최종 상태에 더 넓게 적용 가능하게 할 수 있는가?

주요 결과

• 색감응 관측량과 Lund 제트 평면 CNN을 조합한 태거는 진실 수준 시뮬레이션에서 ROC 곡선 아래 면적(AUC)이 0.893을 기록한다.
• 빠른 검출기 시뮬레이션 효과를 반영한 후 AUC는 0.846으로 떨어지며, 실제 검출기 제약 조건에 대한 강인함을 입증한다.
• Lund 제트 평면 CNN만으로도 강력한 분류 능력(AUC ~0.85)을 보이며, 검출기 효과가 있음에도 효과적임을 확인한다.
• D2 관측량은 BDT에서 주요 질량 편향의 원인로 규명되었으며, 이는 이전 문헌과 일치한다.
• Lund 제트 평면 CNN은 이전에 보고되지 않은 상당한 질량 편향을 보이며, 다양한 진동수 질량에서 분류 성능 저하를 초래한다.
• 질량 민감도가 있는 변수들인 D2와 CNN 출력을 제거하면, 특히 CNN 구성 요소에서 분류 효율성이 뚜렷이 감소한다.