在 LHC 上寻找反常物体的框架

在大型强子对撞机（LHC）上搜索新物理事件主要依赖于这样一个假设：事件可以用标准重建物体来表征，例如孤立光子、轻子以及由 QCD 部分子引发的喷注。尽管这种策略对于绝大多数超出标准模型场景的物理都适用，但存在大量例子表明，新物理会在探测器中产生反常物体（例如准直且能量相等的粒子、长寿命粒子的衰变等），这些物体无法被归类为任何标准物体。人们已经提出了各种方法和搜索策略，每种方法和策略都针对特定的模型、拓扑和模型参数进行了训练和优化。此外，随着 LHC 不断排除所有预期的新物理候选者，对于能够发现意外现象的通用方法/工具的需求不容小觑。在本文中，我们提出了这样一种方法，其依赖于所有反常物体都不是标准物体的理念。我们建议的反常寻找器本质上是一组否决条件，用于以预定的接受率消除所有标准物体。任何包含至少一个反常物体（通过所有这些否决条件）的事件都可以被识别为新物理候选者。随后的离线分析可以确定反常物体以及事件的性质，从而以一种与模型无关的稳健方式搜索这些新物理场景。此外，由于该方法仅依赖于学习标准物体，而标准物体的控制样本可以很容易地从数据中获取，因此人们可以完全以数据驱动的方式构建分析。