近日，我校物理与通信电子学院郭俊博士在深度学习用于大型强子对撞机信号的研究方面取得重大进展。该研究成功发表于国际知名期刊Physical Review D，题为《Boosted Higgs boson jet reconstruction via a graph neural network》。Physical Review D是高能物理领域的权威期刊之一，收录了该领域的前沿论文。该论文为江西师范大学为第一单位、与四川大学以及中国科学院理论物理研究所合作完成。其中郭俊博士为第一作者。
近年来，深度学习取得了全面而广泛的发展，如何将深度学习应用于大型强子对撞机（LHC）的信号发现一直以来是令人着迷的课题。该文章以点云数据结构描述LHC上质子-质子对撞所产生的末态粒子事例，使用图卷积神经网络（Graph Neural Network）将点云结构事例中所关注的希格斯喷射子信号切割出来。该研究表明，所训练好的GNN可用于末态含有单个希格斯玻色子的事例中，相比于传统的希格斯喷射子事例探测，深度学习方法具有更好的探测效率以及动量重构精度，同时对于pile-up污染，该方法具有更好的抗干扰能力。
该研究为大型强子对撞机上探测新物理提供了新的方法，并为课题组后续的深度学习在LHC上的应用提供了研究基础。
相关链接：https://journals.aps.org/prd/abstract/10.1103/PhysRevD.103.116025