违反轻子风味（LFV）的过程<math> e + e − → e + τ 研究了由国际直线对撞机（ILC）的四费米接触相互作用引起的- </ math>。 考虑到事件选择条件，表明ILC对较小的L敏感。

在轻子特异性或IV型两个希格斯二重态模型（2HDM）的背景下，在4τ最终状态下分析了线性e + e-对撞机上的希格斯玻色子对的产生。 假定两个光束都是非偏振的。 希格斯玻色子对（HA）是通过脱壳Z *产生并衰减到τ射流产生的，它是2HDM IV型中性希格斯玻色子的主要衰减通道。 在ILC上使用基于SiD检测器的简化检测器仿真，通过τ喷射对不变质量重建研究了4τ信号。 对于质量积分中心为500 fb-1的500和1000 GeV的质心能量，考虑了几种基准方案。 在标准模型背景处理中，主要背景是e + e-→ZZ，后跟Z→ττ。 但是，这种背景是可以控制的。 通过分析中假设的发光度，可以获得LHC无法达到的惊人信号。 这样的信号将允许精确确定质量和横截面，并且已经低得多的发光度足以发现。

在标准模型中，希格斯玻色子是具有CP守恒耦合的CP偶态。 对此的任何偏离都将是新物理学的标志。 这些CP特性可以通过测量希格斯衰变到τ轻子对来探究，其中τ自旋之间的横向相关性取决于CP。 本文使用国际线性对撞机的国际大型探测器概念中的信号和背景事件的完全模拟，来进行这种分析。 我们考虑希格斯-斯特伦事件（e + e−→HZ），其中Z玻色子衰变为电子，介子或强子，而希格斯玻色子衰变为τ轻子，然后衰变为τ±→π±ν或τ ±→π±π0ν。 假设在250 GeV的质心能量处具有2 ab-1的集成发光度，则希格斯玻色子衰变中τ对的偶数和奇数CP分量之间的混合角可以测量到75 mrad（4.3°）的精度。 。

在发现希格斯玻色子后，提出了一些未来的实验来研究希格斯玻色子的性质，包括两个圆形轻子对撞机CEPC和FCC-ee，以及一个线性轻子对撞机ILC。 我们在测量带电的轻子风味违反希格斯衰变的分支比率时评估了这些对撞机的精确范围$ H \ rightarrow e ^ \ pm \ mu ^ \ mp $$ H→e±μ∓，$$ e ^ \ pm \ tau ^ \ mp $$ e±τ∓和$$ \ mu ^ \ pm \ tau ^ \ mp $$μ±τ∓。 圆形（线性）对撞机给出的分支比率的预期上限为$$ {\ mathcal {B}}（H \ rightarrow e ^ \ pm \ mu ^ \ mp）<1.2〜（2.1）\ 乘以10 ^ {-5} $$ B（H→e±μ∓）<1.2（2.1）×10-5，$$ {\数学{B}}（H \ rightarrow e ^ \ pm \ tau ^ \ mp ）<1.6〜（2.4）\乘以10 ^ {-4} $$ B（H→e±τ∓）<1.6（2.4）×10-4和$$ {\ mathcal {B}}（H \ rightarrow \ mu ^

CMS合作的Run-I结果显示，衰变h→μτe中存在大量事件，局部有效值为2.4σ。 这可能是希格斯行业中违反风味的第一个提示。 我们从直接搜索，低能量测量和计划的未来实验中总结了违反Yukawa耦合器风味的界限。 我们使用有效的场论框架讨论了即将到来的HL-LHC运行和未来的轻子对撞机在测量轻子-风味违规耦合方面的敏感性。 对于HL-LHC，我们找到BR（h→μτ）和BR（h→eτ）≲O 0.5％$$ \ mathcal {O}（0.5）\％$$和BR（h→eμ）≲O的极限 0.02％$$ \ mathcal {O}（0.02）\％$$。 对于质心能量为1 TeV的ILC，我们期望BR（h→eτ）和BR（h→μτ）可测量到O 0.2％$$ \ mathcal {O}（0.2）\％$$ 。

观察到的轻子风味违反表明标准模型之外的新物理学。 轻子对撞机是探测由新物理学在高能下诱发的带电轻子风味违规（CLFV）信号的理想设备。 我们对未来的轻子对撞机对带电轻子味违规的敏感性进行了全面的研究。 我们考虑将两个轻子耦合到新的玻色子粒子的最一般的可归一化的拉格朗日耦合，同时涉及ΔL= 0和ΔL= 2相互作用。 通过在树级别交换带壳的新粒子来引入CLFV过程。 我们发现，CEPC，ILC，FCC-ee和CLIC各自为最终状态下的τ轻子的低能精确度实验提供了CLFV耦合的互补探针，而在没有低能精确度实验的情况下，低能精确度实验更为灵敏。 τ轻子。

计算了光子发射（初始状态辐射）在希格斯玻色子的直接生产过程的横截面中对未来高发光度电子和μ子对撞机的影响。 已经发现，对于电子对撞机，希格斯玻色子共振峰的顶部的横截面减小了0.348倍，对于μ子对撞机减小了0.548倍。 4.2 MeV（等于希格斯宽度）的质心能量的质心能量散布将使电子和μ子束的峰截面进一步减小0.170和0.256（QED和能量散布） 分别。 讨论了恢复QED计算中可能存在的不确定性。 提供了包括QED在内的线形横截面的数值结果以及许多质心能量散布值。

报道了在最终状态下用光子或轻子等射流寻找新物理学的结果，这些射流具有较低的横向动量。 这项研究基于2012年使用CMS检测器在质心能量s = 8 TeV处收集的质子碰撞质子。样品的综合光度为19.7 fbâ1。 许多新物理学模型预测射流，电弱玻色子和几乎没有或根本没有横向动量的事件的产生。 示例包括超对称性（SUSY）的隐形模型，该模型可以预测SUSY近似守恒的电弱能级的隐藏扇区。 该数据用于在最终状态下用两个光子或带相反电荷的电子和介子搜索隐形SUSY签名。 相对于标准模型预期，没有发现过多的结果，并且将结果用于在隐身SUSY框架中设置对成对的壁虎。

使用具有光子，电子或介子且缺少大的横向动量的事件来表示搜索超对称性的结果。 该分析基于一个数据样本，该数据样本对应于由LHC产生并由CMS检测器收集的s = 13 $$ \ sqrt {s} = 13 $$ TeV时质子-质子碰撞的35.9 fb-1积分光度 在2016年。具有规范介导的超对称性破裂的理论模型预测了最终状态下光子的事件，以及电弱规范的玻色子衰减到轻子的情况。 搜索具有光子，轻子和横向动量缺失的事件是这些模型的敏感探针。 没有观察到超出标准模型流程预期范围的事件。 搜索结果在受量规介导的超对称破坏启发的简化模型的上下文中进行解释。 这些模型用于得出生产截面的上限，并为超对称颗粒的质量设置下限。 低于930 GeV的Gaugino质量在95％置信水平下被排除在简化模型中，其中电中性产生了中性基和焦炭基。 对于简化的胶粘剂和胶料对生产模型，在95％的置信水平下，胶料质量不超过1.75 TeV和胶料质量不超过1.43 TeV。

在当前的深度学习领域，轻量化模型已经成为了一个重要的研究方向，尤其在移动设备和嵌入式系统的应用中。本文将探讨轻量化网络的背景、设计思路以及以MobileNet为例的具体实现，来阐述这一领域的核心概念。 首先，让我们理解为什么需要轻量化网络。神经网络的发展历程见证了模型从简单的前馈网络到复杂的深度结构的演变，如AlexNet、VGG、GoogLeNet、ResNet等。这些模型虽然在准确率上取得了显著的进步，但它们的计算量和参数数量巨大，对硬件资源的要求较高，这限制了它们在资源受限的环境（如智能手机、无人机、物联网设备）中的应用。因此，轻量化网络的必要性应运而生，旨在在保持一定性能的前提下，降低模型的计算复杂度和内存占用，以适应这些边缘计算场景。 实现轻量化网络的主要思路有多种。一种方法是压缩已经训练好的模型，通过知识蒸馏、权值量化、剪枝和注意力迁移等技术减小模型规模。另一种是直接设计轻量化架构，例如SqueezeNet、MobileNet、ShuffleNet和EfficientNet，它们通过创新的卷积结构来减少计算量。此外，还可以通过优化卷积运算，如使用Im2col+CEMM、Winograd算法或低秩分解来提高运算效率。硬件层面的支持也不可忽视，例如TensorRT、Jetson、Tensorflow-lite和Openvino等工具可以加速模型在不同平台上的部署。 MobileNet系列作为轻量化模型的代表，尤其是其深度可分离卷积的设计，极大地降低了计算成本。传统卷积涉及到大量的乘加运算，而深度可分离卷积将卷积过程分为两步：先进行深度卷积（即按通道的卷积），然后进行逐点卷积。这样，深度可分离卷积的计算量仅为标准卷积的很小一部分，同时减少了参数量。以MobileNet V1为例，尽管其参数量远小于其他大型网络，但在没有残差连接和ReLU激活函数的低精度问题下，其性能仍有所局限。为了解决这些问题，MobileNet V2引入了倒置残差块，增强了特征流动，提高了模型性能。 总结来说，轻量化网络的发展是深度学习在有限资源环境应用的关键。通过深入理解神经网络的结构，设计创新的卷积操作，结合模型压缩技术和硬件优化，我们能够构建出在保持高效率的同时兼顾准确性的模型。MobileNet的成功实践为未来轻量化模型的设计提供了宝贵的启示，进一步推动了深度学习在边缘计算领域的广泛应用。