面向机器学习的信号无关新物理搜索的多重检验

在本工作中，我们解决了如何通过利用多重检验策略来提高信号无关搜索的效率的问题。具体而言，我们考虑依赖于机器学习的假设检验，其中模型选择可能会偏向特定新物理信号的家族。我们展示了将不同超参数选择的不同检验组合在一起是有益的，而且通常可以在提供对各种类型异常更均匀响应的同时，实现相当于最佳可用检验的性能。我们聚焦于 New Physics Learning Machine，这是一种进行信号无关似然比检验的方法，探索了各种多重检验方法，如组合 p 值和聚合检验统计量。