（上图所示）其中一个信号区域的神经网络输出(ONN)分布，数据以黑色显示，模拟信号以洋红色显示，背景以其他颜色显示，ON谱的较高部分由信号事件主导。图片：ATLAS Collaboration/CERN
神经网络为每个事件提供了一个分数(Onn)，表示它看起来有多像信号过程。为了检查提供给神经网络的模拟是否很好地描述了真实数据，物理学家观察了由后台过程主导具有相似特征(控制区)的事件，还检查了600个选定信号区事件的各种运动学分布。研究人员评估了信号区域和对照区域的神经网络得分，以便可以使用真实数据限制背景水平。
神经网络为每个事件提供了一个分数(Onn)，表示它看起来有多像信号过程。为了检查提供给神经网络的模拟是否很好地描述了真实数据，物理学家观察了由后台过程主导具有相似特征(控制区)的事件，还检查了600个选定信号区事件的各种运动学分布。研究人员评估了信号区域和对照区域的神经网络得分，以便可以使用真实数据限制背景水平。
提取Z玻色子信号，并计算在给定数据样本(即横截面)中产生这种事件的速率。提取截面的不确定度为14%。这比之前的ATLAS结果精确度高出两倍多，后者基于的数据几乎少了四倍(2015年和2016年)。发现截面与标准模型的预测一致，证实了即使是标准模型中最重的粒子也仍然表现为点状基本粒子。
此外，通过选择神经网络识别为很可能是Z玻色子(onn>0.4)的事件，ATLAS物理学家可以检查标准模型计算是否很好地描述了运动学分布。
随着对Z玻色子生产过程的观察现在得到证实，ATLAS的研究人员可以预计它的研究将更加详细。作为运动学变量函数截面测量将能让物理学家仔细探测顶夸克与其他粒子的相互作用。会不会有更多数据揭开一些意想不到的面纱？期待看到大自然在顶夸克世界里隐藏着什么。
（上图所示）对于神经网络输出(ONN)>0.4的事件，重建Z玻色子横向动量的分布，数据以黑色显示，模拟信号以洋红色显示，背景以其他颜色显示。图片：ATLAS Collaboration/CERN
此外，通过选择神经网络识别为很可能是Z玻色子(onn>0.4)的事件，ATLAS物理学家可以检查标准模型计算是否很好地描述了运动学分布。
随着对Z玻色子生产过程的观察现在得到证实，ATLAS的研究人员可以预计它的研究将更加详细。作为运动学变量函数截面测量将能让物理学家仔细探测顶夸克与其他粒子的相互作用。会不会有更多数据揭开一些意想不到的面纱？期待看到大自然在顶夸克世界里隐藏着什么。