MétaCan
Menu
Retour à la cohorte
Enregistrement W2034895106 · doi:10.1007/jhep07(2013)148

Scale-invariant resonance tagging in multijet events and new physics in Higgs pair production

2013· article· en· W2034895106 sur OpenAlexaff
M. Gouzevitch, A. Carvalho Antunes De Oliveira, Juan Rojo, R. Rosenfeld, Gavin P. Salam, Verónica Sanz

Notice bibliographique

RevueJournal of High Energy Physics · 2013
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueParticle physics theoretical and experimental studies
Établissements canadiensYork University
Organismes subventionnairesScience and Technology Facilities CouncilAgence Nationale de la RechercheConselho Nacional de Desenvolvimento Científico e TecnológicoCERN
Mots-clésParticle physicsHiggs bosonPhysicsPair productionGravitonLarge Hadron ColliderSubstructurePhysics beyond the Standard ModelQuantum chromodynamicsHadronBosonQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

Abstract We study resonant pair production of heavy particles in fully hadronic final states by means of jet substructure techniques. We propose a new resonance tagging strategy that smoothly interpolates between the highly boosted and fully resolved regimes, leading to uniform signal efficiencies and background rejection rates across a broad range of masses. Our method makes it possible to efficiently replace independent experimental searches, based on different final state topologies, with a single common analysis. As a case study, we apply our technique to pair production of Higgs bosons decaying into $ b\overline{b} $ pairs in generic New Physics scenarios. We adopt as benchmark models radion and massive KK graviton production in warped extra dimensions. We find that despite the overwhelming QCD background, the 4b final state has enough sensitivity to provide a complementary handle in searches for enhanced Higgs pair production at the LHC.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,016
Tête enseignante GPT0,244
Écart entre enseignants0,227 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations128
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of High Energy PhysicsMême sujetParticle physics theoretical and experimental studiesTravaux en français237 207