双中微子不再只能靠解析式硬解：机器学习把顶夸克对不变质量分辨率再压三成
核心概要
在双轻子衰变道中，两个中微子不带电、不被探测，顶夸克对运动学重建因此长期依赖解析近似。研究者用CMS开放数据中的7 TeV模拟样本，先改进宽松重建算法LKRv3，再以残差多层感知机和条件归一化流直接从可见粒子回归顶夸克对四动量；相对LKRv3，两种网络把不变质量、横动量和快度的分辨率分别改善约30%、20%和15%，在产生阈值附近不变质量分辨率达到30 GeV。
深度剖析
双轻子道顶夸克对重建有了新的机器学习路径：网络直接从可见衰变产物回归顶夸克对四动量，不再只依赖解析式对中微子的近似。 此前的宽松运动学重建LKR只重建顶夸克对系统整体，并把中微子对的纵向动量和能量等同于双轻子系统，部分事件因此出现非物理值而需截断。 在CMS开放数据的7 TeV双轻子模拟样本上，相对改进后的LKRv3，多层感知机与归一化流把不变质量、横动量和快度的分辨率分别改善约30%、20%和15%。
网络学到的偏差与可见粒子的运动学相关，因此可以从轻子、喷注和缺失横动量直接预测顶夸克对的三个量。 多层感知机以残差块堆叠隐藏层，归一化流则用自回归样条变换给出每个事件的概率密度，两者输入同一组24个重建量。 在约测试事件上，多层感知机把不变质量分辨率从LKRv3的107.7 GeV降到75.2 GeV，归一化流降到74.1 GeV，差异远大于统计不确定度和五次不同随机种子的训练波动。
产生器层面的对照把中微子近似与探测器效应分开，说明网络修正的是物理近似本身。 在只有中微子未知、没有探测器分辨率的产生器层面，LKRv3的不变质量分辨率仍为90.1 GeV，而多层感知机降到50.3 GeV。 在产生器层面训练、再用于探测器层面输入的迁移测试中，网络仍优于LKRv3，但只保留探测器层面训练的一部分改善。
启示与展望
结果建立在CMS开放数据中7 TeV的TTJets模拟样本上，未使用真实碰撞数据，且只覆盖双轻子衰变道；作者提出下一步应在含非顶夸克对事件的样本上评估本底抑制与信号显著性，并在不同质心能量乃至ATLAS开放数据模拟上检验稳健性。
作者明确指出，可达分辨率主要受中微子对近似和重建事件中可用信息的限制，而非网络容量；网络估计存在向谱高密度区偏移的偏差，其随模拟谱形状的依赖需作为系统不确定度考虑；阈值附近精确提取顶夸克质量还需同时处理顶夸克偶素效应，这要求把该区域的不变质量分辨率进一步改善到GeV量级。