MétaCan
Menu
Retour à la cohorte
Enregistrement W2132735805 · doi:10.1016/j.physletb.2011.08.029

Bi-Event Subtraction Technique at hadron colliders

2011· article· en· W2132735805 sur OpenAlexaff
Bhaskar Dutta, T. Kamon, Nikolay Ivanov Kolev, Abram Krislock

Notice bibliographique

RevuePhysics Letters B · 2011
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueParticle physics theoretical and experimental studies
Établissements canadiensUniversity of Regina
Organismes subventionnairesNational Research Foundation of KoreaMinistry of EducationU.S. Department of Energy
Mots-clésPhysicsParticle physicsLarge Hadron ColliderEvent (particle physics)Decay chainHadronBackground subtractionCascadeEvent reconstructionSubtractionNuclear physicsColliderStatistical physicsMathematics

Résumé

récupéré en direct d'OpenAlex

We propose the Bi-Event Subtraction Technique (BEST) as a method of modeling and subtracting large portions of the combinatoric background during reconstruction of particle decay chains at hadron colliders. The combinatoric background arises when it is impossible to know experimentally which observed particles come from the decay chain of interest. The background shape can be modeled by combining observed particles from different collision events and be subtracted away, greatly reducing the overall background. This idea has been demonstrated in various experiments in the past. We generalize it by showing how to apply BEST multiple times in a row to fully reconstruct a cascade decay. We show the power of BEST with two simulated examples of its application towards reconstruction of the top quark and a supersymmetric decay chain at the Large Hadron Collider.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,681

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,247
Écart entre enseignants0,226 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations17
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysics Letters BMême sujetParticle physics theoretical and experimental studiesTravaux en français237 207