Machine-learning techniques for model-independent searches in dijet final states
Este artículo presenta y evalúa métodos de detección de anomalías basados en aprendizaje automático para búsquedas de nueva física independientes del modelo en estados finales de dijets utilizando datos de colisiones protón-protón a 13 TeV del experimento CMS, demostrando su eficacia en la identificación de jets anómalos y quarks top aumentados sin depender de modelos teóricos específicos.