序贯模拟推断用于LHC共振搜索

Henning Bahl 与 Ranit Das 提出用序贯模拟推断做 LHC 共振搜索中的质量与宽度似然推断：通过迭代把模拟集中在观测数据附近，应对信号在相空间中随参数移动、需覆盖连续参数空间大量事件样本的难题。 在带精确参考似然的 parton-level 示例，以及 \(A\to ZH\to \ell\ell b\bar b\)、\(Y\to HH\to (t\bar t)(t\bar t)\) 的重建级分析中，相同训练事件量下，序贯训练得到的似然比单轮训练更准确、校准更好。

AI 根据报道生成 · 41 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。