マルチジェットプロセスの振幅代理変数

LHCにおけるマルチジェットプロセスの精密研究には、正確で効率的な振幅予測が不可欠です。本研究では、Catani–Seymour因子分解スキームと関連する下位ジェット振幅を活用して、マルチジェット振幅を予測する新しいニューラルネットワークアーキテクチャを紹介します。このネットワークは、修正因子のみを学習することが求められます。このハイブリッドアプローチは、理論的な因子分解とデータ駆動型のアプローチを組み合わせており、迅速かつスケーラブルな振幅予測を可能にします。私たちのネットワークは、各予測の精度を推定し、あらかじめ定義された精度のしきい値を満たす結果を選択的に使用できるようにしています。生成的なリーディングオーダーイベントの文脈において、このアプローチは最大20倍のスピードアップを実現するとともに、すべての観測量に対してパーセントレベルの精度を維持します。