PCN: A Deep Learning Approach to Jet Tagging Utilizing Novel Graph Construction Methods and Chebyshev Graph Convolutions

要約

ジェットのタグ付けは、高エネルギー物理学実験における分類問題であり、粒子衝突による亜原子粒子の平行スプレー、ジェットを識別し、それらをエミッター粒子にタグ付けすることを目的としています。
ジェットのタグ付けの進歩により、標準模型を超えた新しい物理学の探索の機会が生まれています。
現在のアプローチでは、深層学習を使用して、複雑な衝突データに隠されたパターンを明らかにしています。
ただし、深層学習モデルへの入力としてのジェットの表現は多様であり、多くの場合、有益な特徴がモデルから差し控えられています。
この研究では、可能な限り多くの情報をエンコードするジェットのグラフベースの表現を提案します。
この表現から最大限のことを学ぶために、チェビシェフ グラフ畳み込み (ChebConv) を使用するグラフ ニューラル ネットワーク (GNN) であるパー​​ティクル チェビシェフ ネットワーク (PCN) を設計します。
ChebConv は、GNN における古典的なグラフ畳み込みの効果的な代替手段として実証されていますが、ジェット タギングではまだ検討されていません。
PCN は、既存のタガーに比べて精度が大幅に向上し、高エネルギー物理実験におけるジェットと ChebConv 層のグラフベースの表現に関する将来の研究への扉を開きます。
コードは https://github.com/YVSemlani/PCN-Jet-Tagging で入手できます。

要約(オリジナル)

Jet tagging is a classification problem in high-energy physics experiments that aims to identify the collimated sprays of subatomic particles, jets, from particle collisions and tag them to their emitter particle. Advances in jet tagging present opportunities for searches of new physics beyond the Standard Model. Current approaches use deep learning to uncover hidden patterns in complex collision data. However, the representation of jets as inputs to a deep learning model have been varied, and often, informative features are withheld from models. In this study, we propose a graph-based representation of a jet that encodes the most information possible. To learn best from this representation, we design Particle Chebyshev Network (PCN), a graph neural network (GNN) using Chebyshev graph convolutions (ChebConv). ChebConv has been demonstrated as an effective alternative to classical graph convolutions in GNNs and has yet to be explored in jet tagging. PCN achieves a substantial improvement in accuracy over existing taggers and opens the door to future studies into graph-based representations of jets and ChebConv layers in high-energy physics experiments. Code is available at https://github.com/YVSemlani/PCN-Jet-Tagging.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google