เปรียบเทียบวิธี

	การวิเคราะห์นิวทริโนออสซิลเลชัน	การจำแนกอนุภาคด้วย BDT
สาขาวิชา	ฟิสิกส์อนุภาค	ฟิสิกส์อนุภาค
ตระกูล	Process / pipeline	Process / pipeline
ปีกำเนิด	1957	2000
ผู้ริเริ่ม	Bruno Pontecorvo	Machine learning / particle physics community
ประเภท	Neutrino mixing framework	Particle discrimination algorithm
แหล่งต้นตำรับ	Pontecorvo, B. (1957). Mesonium and antimesonium. Zhurnal Eksperimental'noi i Teoreticheskoi Fiziki, 33, 549.	Breiman, L. (2001). Random Forests. Machine Learning, 45(1), 5–32.
ชื่อเรียกอื่น	oscillometry, mixing analysis, neutrino mixing	BDT classifier, MVA particle ID, multivariate particle identification
ที่เกี่ยวข้อง	3	3
สรุป	Neutrino oscillation analysis is the study of flavor mixing in the neutrino sector, where neutrinos born as one flavor (electron, muon, or tau) spontaneously convert into other flavors as they propagate. Measuring oscillation parameters provides crucial evidence for physics beyond the Standard Model and tests our understanding of the neutrino mass hierarchy.	Boosted Decision Trees (BDTs) are powerful multivariate classifiers used in particle physics to distinguish between different particle types based on detector signatures. By combining many weak decision trees through adaptive boosting, BDTs achieve superior discrimination power compared to simple cuts, enabling improved purity and efficiency in particle identification and background rejection.