Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS
We present GFlaT, a new algorithm that uses a graph-neural-network to determine the flavor of neutral B mesons produced in ϒ(4S) decays. It improves previous algorithms by using the information from all charged final-state particles and the relations between them. We evaluate its performance using B decays to flavor-specific hadronic final states reconstructed in a 362 fb-1 sample of electron-positron collisions collected at the ϒ(4S) resonance with the Belle II detector at the SuperKEKB collider. We achieve an effective tagging efficiency of (37.40±0.43±0.36%), where the first uncertainty is statistical and the second systematic, which is 18% better than the previous Belle II algorithm. Demonstrating the algorithm, we use B0→J/ψKS0 decays to measure the mixing-induced and direct CP violation parameters, S=(0.724±0.035±0.009) and C=(-0.035±0.026±0.029).
New graph-neural-network flavor tagger for Belle II and measurement of sin 2φ1 in B0 →J/ψ K S0 decays / Adachi, I., Aggarwal, L., Ahmed, H., Aihara, H., Akopov, N., Aloisio, A., Anh Ky, N., Asner, D.M., Atmacan, H., Aushev, T., Aushev, V., Aversano, M., Ayad, R., Babu, V., Bae, H., Bahinipati, S., Bambade, P., Banerjee, S., Bansal, S., Barrett, M., et al.. - In: PHYSICAL REVIEW D. - ISSN 2470-0010. - 110:1(2024). [10.1103/PhysRevD.110.012001]
New graph-neural-network flavor tagger for Belle II and measurement of sin 2φ1 in B0 →J/ψ K S0 decays
Adachi I.;Aggarwal L.;Ahmed H.;Aihara H.;Akopov N.;Aloisio A.;Anh Ky N.;Asner D. M.;Atmacan H.;Aushev T.;Aushev V.;Aversano M.;Ayad R.;Babu V.;Bae H.;Bahinipati S.;Bambade P.;Banerjee S.;Bansal S.;Barrett M.;Baudot J.;Baur A.;Beaubien A.;Becherer F.;Becker J.;Bennett J. V.;Bernlochner F. U.;Bertacchi V.;Bertemes M.;Bertholet E.;Bessner M.;Bettarini S.;Bhuyan B.;Bianchi F.;Bierwirth L.;Bilka T.;Bilokin S.;Biswas D.;Bobrov A.;Bodrov D.;Bolz A.;Bondar A.;Bozek A.;Bracko M.;Branchini P.;Briere R. A.;Browder T. E.;Budano A.;Bussino S.;Campajola M.;Cao L.;Casarosa G.;Cecchi C.;Cerasoli J.;Chang M. -C.;Chang P.;Cheema P.;Chen C.;Cheon B. G.;Chilikin K.;Chirapatpimol K.;Cho H. -E.;Cho K.;Cho S. -J.;Choi S. -K.;Choudhury S.;Cochran J.;Corona L.;Das S.;Dattola F.;De La Cruz-Burelo E.;De La Motte S. A.;De Nardo G.;De Nuccio M.;De Pietro G.;De Sangro R.;Destefanis M.;Dey S.;Dhamija R.;Di Canto A.;Di Capua F.;DoleZal Z.;Dong T. V.;Dorigo M.;Dort K.;Dossett D.;Dreyer S.;Dubey S.;Dujany G.;Ecker P.;Eliachevitch M.;Feichtinger P.;Ferber T.;Ferlewicz D.;Fillinger T.;Finck C.;Finocchiaro G.;Fodor A.;Forti F.;Frey A.;Fulsom B. G.;Gabrielli A.;Ganiev E.;Garcia-Hernandez M.;Garg R.;Gaudino G.;Gaur V.;Gaz A.;Gellrich A.;Ghevondyan G.;Ghosh D.;Ghumaryan H.;Giakoustidis G.;Giordano R.;Giri A.;Glazov A.;Gobbo B.;Godang R.;Gogota O.;Goldenzweig P.;Gradl W.;Grammatico T.;Graziani E.;Greenwald D.;Gruberova Z.;Gu T.;Guan Y.;Gudkova K.;Han Y.;Hara K.;Hara T.;Hayasaka K.;Hayashii H.;Hazra S.;Hearty C.;Hedges M. T.;Heidelbach A.;Heredia De La Cruz I.;Hernandez Villanueva M.;Higuchi T.;Hoek M.;Hohmann M.;Horak P.;Hsu C. -L.;Humair T.;Iijima T.;Inami K.;Ipsita N.;Ishikawa A.;Itoh R.;Iwasaki M.;Jackson P.;Jacobs W. W.;Jaffe D. E.;Jang E. -J.;Ji Q. P.;Jia S.;Jin Y.;Joo K. K.;Junkerkalefeld H.;Kakuno H.;Kalita D.;Kaliyar A. B.;Kandra J.;Kang K. H.;Kang S.;Karyan G.;Kawasaki T.;Keil F.;Kiesling C.;Kim C. -H.;Kim D. Y.;Kim K. -H.;Kim Y. -K.;Kindo H.;Kinoshita K.;Kodys P.;Koga T.;Kohani S.;Kojima K.;Korobov A.;Korpar S.;Kovalenko E.;Kowalewski R.;Kraetzschmar T. M. G.;KriZan P.;Krokovny P.;Kuhr T.;Kulii Y.;Kumar J.;Kumar M.;Kumar R.;Kumara K.;Kunigo T.;Kuzmin A.;Kwon Y. -J.;Lacaprara S.;Lai Y. -T.;Lam T.;Lanceri L.;Lange J. S.;Laurenza M.;Leboucher R.;Le Diberder F. R.;Lee M. J.;Levit D.;Li C.;Li L. K.;Li Y.;Li Y. B.;Libby J.;Lin Y. -R.;Liu M.;Liu Q. Y.;Liu Z. Q.;Liventsev D.;Longo S.;Lueck T.;Lyu C.;Ma Y.;Maggiora M.;Maharana S. P.;Maiti R.;Maity S.;Mancinelli G.;Manfredi R.;Manoni E.;Mantovano M.;Marcantonio D.;Marcello S.;Marinas C.;Martel L.;Martellini C.;Martini A.;Martinov T.;Massaccesi L.;Masuda M.;Matsuoka K.;Matvienko D.;Maurya S. K.;McKenna J. A.;Mehta R.;Meier F.;Merola M.;Metzner F.;Miller C.;Mirra M.;Mitra S.;Miyabayashi K.;Miyake H.;Mizuk R.;Mohanty G. B.;Molina-Gonzalez N.;Mondal S.;Moneta S.;Moser H. -G.;Mrvar M.;Mussa R.;Nakamura I.;Nakamura K. R.;Nakao M.;Nakazawa Y.;Narimani Charan A.;Naruki M.;Narwal D.;Natkaniec Z.;Natochii A.;Nayak L.;Nayak M.;Nazaryan G.;Neu M.;Niebuhr C.;Nishida S.;Ogawa S.;Onishchuk Y.;Ono H.;Onuki Y.;Oskin P.;Otani F.;Pakhlov P.;Pakhlova G.;Panta A.;Pardi S.;Parham K.;Park H.;Park S. -H.;Paschen B.;Passeri A.;Patra S.;Paul S.;Pedlar T. K.;Peschke R.;Pestotnik R.;Piccolo M.;Piilonen L. E.;Pinna Angioni G.;Podesta-Lerma P. L. M.;Podobnik T.;Pokharel S.;Praz C.;Prell S.;Prencipe E.;Prim M. T.;Prudiiev I.;Purwar H.;Rados P.;Raeuber G.;Raiz S.;Rauls N.;Reif M.;Reiter S.;Remnev M.;Ripp-Baudot I.;Rizzo G.;Roehrken M.;Roney J. M.;Rostomyan A.;Rout N.;Russo Guido;Sanders D. A.;Sandilya S.;Sangal A.;Santelj L.;Sato Y.;Savinov V.;Scavino B.;Schmitt C.;Schwanda C.;Schwickardi M.;Seino Y.;Selce A.;Senyo K.;Serrano J.;Sevior M. E.;Sfienti C.;Shan W.;Shi X. D.;Shillington T.;Shimasaki T.;Shiu J. -G.;Shtol D.;Sibidanov A.;Simon F.;Singh J. B.;Skorupa J.;Sobie R. J.;Sobotzik M.;Soffer A.;Sokolov A.;Solovieva E.;Spataro S.;Spruck B.;Staric M.;Stavroulakis P.;Stefkova S.;Stroili R.;Sumihama M.;Sumisawa K.;Sutcliffe W.;Svidras H.;Takizawa M.;Tamponi U.;Tanaka S.;Tanida K.;Tenchini F.;Tittel O.;Tiwary R.;Tonelli D.;Torassa E.;Trabelsi K.;Tsaklidis I.;Uchida M.;Ueda I.;Uematsu Y.;Unger K.;Unno Y.;Uno K.;Uno S.;Urquijo P.;Ushiroda Y.;Vahsen S. E.;Van Tonder R.;Varvell K. E.;Veronesi M.;Vinokurova A.;Vismaya V. S.;Vitale L.;Vobbilisetti V.;Volpe R.;Wach B.;Wakai M.;Wallner S.;Wang E.;Wang M. -Z.;Wang X. L.;Wang Z.;Warburton A.;Watanuki S.;Wessel C.;Won E.;Xu X. P.;Yabsley B. D.;Yamada S.;Yan W.;Yang S. B.;Yelton J.;Yin J. H.;Yoshihara K.;Yuan C. Z.;Yusa Y.;Zhang B.;Zhilich V.;Zhou Q. D.;Zhou X. Y.;Zhukova V. I.;Zlebcik R.
2024
Abstract
We present GFlaT, a new algorithm that uses a graph-neural-network to determine the flavor of neutral B mesons produced in ϒ(4S) decays. It improves previous algorithms by using the information from all charged final-state particles and the relations between them. We evaluate its performance using B decays to flavor-specific hadronic final states reconstructed in a 362 fb-1 sample of electron-positron collisions collected at the ϒ(4S) resonance with the Belle II detector at the SuperKEKB collider. We achieve an effective tagging efficiency of (37.40±0.43±0.36%), where the first uncertainty is statistical and the second systematic, which is 18% better than the previous Belle II algorithm. Demonstrating the algorithm, we use B0→J/ψKS0 decays to measure the mixing-induced and direct CP violation parameters, S=(0.724±0.035±0.009) and C=(-0.035±0.026±0.029).
New graph-neural-network flavor tagger for Belle II and measurement of sin 2φ1 in B0 →J/ψ K S0 decays / Adachi, I., Aggarwal, L., Ahmed, H., Aihara, H., Akopov, N., Aloisio, A., Anh Ky, N., Asner, D.M., Atmacan, H., Aushev, T., Aushev, V., Aversano, M., Ayad, R., Babu, V., Bae, H., Bahinipati, S., Bambade, P., Banerjee, S., Bansal, S., Barrett, M., et al.. - In: PHYSICAL REVIEW D. - ISSN 2470-0010. - 110:1(2024). [10.1103/PhysRevD.110.012001]
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11588/968985
Citazioni
ND
15
10
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.
