CoReNet将粒子衰变链结构融入组合残差分类网络

John Alison 等研究作者提出并验证了组合残差网络 CoReNet，将粒子衰变链结构直接编码进分类器，通过共享权重评估不同喷注分配假设，再用残差网络组合这些假设，无需生成器级喷注分配标签即可训练。该方法最初面向四个底夸克喷注（bb̄bb̄）末态开发，已用于多项 CMS 搜索。 在 bb̄bb̄ 和 HH → bb̄W⁺W⁻ 两种末态分类任务中，CoReNet 的表现接近参数规模大两个数量级以上的先进 Transformer。基础模型仅有 1508 个可训练参数，单 GPU 训练耗时数分钟；在相关任务中，同时编码信号与背景的衰变链还能进一步改善分类表现，但会增加约 1000 个参数。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。