Ernesto Arganda

机器学习增强LHC上的暗物质探测

研究人员开发了一种机器学习方法，以增强大型强子对撞机（LHC）上暗物质候选物的探测。该方法专门针对下一最小超对称标准模型（NMSSM）中的WIMP暗物质，侧重于直接探测信号被抑制的场景。机器学习分析提高了对辐射衰变的中性超对称粒子的微弱信号的灵敏度，这些粒子具有多光子的独特对撞机特征。在14 TeV能量下拥有100 fb^{-1}的数据，机器学习方法可以实现高达225 GeV的希格斯ino质量的5σ探测范围。