基于ATLAS灵敏度使用快速神经网络技术的CMSSM覆盖研究
高能物理 - 唯象学
2011-07-08 v2 高能物理 - 实验
数据分析、统计与概率
摘要
我们评估了基于ATLAS灵敏度研究，从贝叶斯后验和轮廓似然推断出的CMSSM参数空间上置信区间和可信区间的覆盖性质。为了使这些计算可行，我们引入了一种基于神经网络的新方法，用于近似CMSSM参数与弱尺度粒子质量之间的映射。与传统技术相比，我们的方法将采样CMSSM参数空间所需的计算量减少了约10^4倍。我们发现贝叶斯后验和轮廓似然区间都可能显著过度覆盖，并将此效应的根源确定为参数空间中的物理边界。最后，我们指出统计过程固有的效应与实验本身对似然函数的简化混在一起。
引用
@article{arxiv.1011.4306,
title = {A Coverage Study of the CMSSM Based on ATLAS Sensitivity Using Fast Neural Networks Techniques},
author = {M. Bridges and K. Cranmer and F. Feroz and M. Hobson and R. Ruiz de Austri and R. Trotta},
journal= {arXiv preprint arXiv:1011.4306},
year = {2011}
}
备注
Further checks about accuracy of neural network approximation, fixed typos, added refs. Main results unchanged. Matches version accepted by JHEP