Beyond cuts in small signal scenarios

We investigate enhancing the sensitivity of new physics searches at the LHC by machine learning in the case of background dominance and a high degree of overlap between the observables for signal and background. We use two different models, XGBoost and a deep neural network, to exploit correlations...

Ausführliche Beschreibung

Bibliographische Detailangaben

Veröffentlicht in:	The European physical journal. C, Particles and fields Jg. 83; H. 5; S. 379 - 22
Hauptverfasser:	Alvestad, Daniel, Fomin, Nikolai, Kersten, Jörn, Maeland, Steffen, Strümke, Inga
Format:	Journal Article
Sprache:	Englisch
Veröffentlicht:	Heidelberg Springer 01.05.2023 Springer Nature B.V SpringerOpen
Schlagworte:	Analysis Artificial neural networks Decision trees Kinematics Large Hadron Collider Machine learning Neural networks Physics Sensitivity enhancement
ISSN:	1434-6044, 1434-6052
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!