Exploring the SMEFT landscape: Bayesian Model Selection for indirect discovery
Este artigo propõe uma estrutura de seleção de modelos bayesianos que utiliza algoritmos genéticos para navegar pelo cenário do SMEFT como um espaço de hipóteses concorrentes de operadores, demonstrando que essa abordagem produz caracterizações mais robustas dos coeficientes de Wilson e uma identificação mais clara das correlações entre modelos do que os ajustes globais tradicionais quando aplicados a dados do LEP e do LHC.