$ν^2$-Flows: Fast and improved neutrino reconstruction in multi-neutrino final states with conditional normalizing flows

要約

この研究では、複数のニュートリノを含む最終状態への $\nu$-Flows メソッドの拡張である $\nu^2$-Flows を導入します。
このアーキテクチャは、オブジェクトの種類と多重度のすべての組み合わせに合わせて、最終状態で任意の望ましいニュートリノ多重度にネイティブにスケーリングできます。
$t\bar{t}$ ディレプトン現象では、両方のニュートリノの運動量とニュートリノ間の相関が、最も一般的な標準解析手法を使用した場合よりも正確に再構築され、すべての現象の解が見つかります。
推論時間は競合する方法よりも大幅に高速であり、グラフィックス処理装置で並行して評価することでさらに短縮できます。
$\nu^2$-Flows を $t\bar{t}$ ディレプトン イベントに適用し、展開分布におけるビンごとの不確実性が、標準的な手法よりも完全なニュートリノ再構成によって設定される性能の限界にはるかに近いことを示します。
選択した二重微分観測量に対して $\nu^2$-Flows を使用すると、各ビンの統計精度がニュートリノ加重法と比較して 1.5 ～ 2 倍、楕円法と比較して最大 4 倍向上します。

要約(オリジナル)

In this work we introduce $\nu^2$-Flows, an extension of the $\nu$-Flows method to final states containing multiple neutrinos. The architecture can natively scale for all combinations of object types and multiplicities in the final state for any desired neutrino multiplicities. In $t\bar{t}$ dilepton events, the momenta of both neutrinos and correlations between them are reconstructed more accurately than when using the most popular standard analytical techniques, and solutions are found for all events. Inference time is significantly faster than competing methods, and can be reduced further by evaluating in parallel on graphics processing units. We apply $\nu^2$-Flows to $t\bar{t}$ dilepton events and show that the per-bin uncertainties in unfolded distributions is much closer to the limit of performance set by perfect neutrino reconstruction than standard techniques. For the chosen double differential observables $\nu^2$-Flows results in improved statistical precision for each bin by a factor of 1.5 to 2 in comparison to the Neutrino Weighting method and up to a factor of four in comparison to the Ellipse approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google