Development of a Next-Generation Machine Learning-Based Event Classifier for Probing Higgs Self-Coupling

• Project/Area Number: 25K17410
• Research Category: Grant-in-Aid for Early-Career Scientists
• Allocation Type: Multi-year Fund
• Review Section: Basic Section 15020:Experimental studies related to particle-, nuclear-, cosmic ray and astro-physics
• Research Institution: Nagoya University
• Principal Investigator: 泉山 将大 名古屋大学, 素粒子宇宙起源研究所, 特任助教 (61004338)
• Project Period (FY): 2025-04-01 – 2028-03-31
• Project Status: Granted (Fiscal Year 2025)
• Budget Amount: ¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000); Fiscal Year 2027: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000); Fiscal Year 2026: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000); Fiscal Year 2025: ¥2,470,000 (Direct Cost: ¥1,900,000、Indirect Cost: ¥570,000)
• Keywords: ヒッグス自己結合 / 機械学習 / ジェット

Outline of Research at the Start

電弱相互作用の構造を形作るヒッグス粒子について、その自己結合の理解を深める為には LHC におけるヒッグス粒子の対生成事象探索が有効である。この事象の半数以上は 4つの b ジェットを終状態に持つものの、この信号は複数ジェットが b ジェットに誤同定される事による背景事象に埋もれてしまう為、b ジェットの同定性能の向上が鍵である。本研究では、この b ジェットの同定性能の改善を目指し、機械学習を応用した分別器および運動量などを再構成するアルゴリズムを開発する。開発したジェット分別器を、ATLAS 実験におけるヒッグス粒子対の生成事象探索に導入し探索を進める。