Boosting Sensitivity to with Graph Neural Networks and XGBoost
Diese Arbeit untersucht die Steigerung der Sensitivität bei der Suche nach Doppel-Higgs-Boson-Produktionen im -Kanal durch den Vergleich eines XGBoost-Klassifikators mit einem Graph Neural Network (GNN), wobei das geometriebasierte GNN-Modell die erwarteten Obergrenzen für den Wirkungsquerschnitt und die Higgs-Selbstkopplung signifikant verbessert.