基于机器学习的CMS电磁质量探测器异常检测
仪器与探测器
2024-07-31 v1 高能物理 - 实验
数据分析、统计与概率
摘要
为CMS探测器电磁质量探测器的在线数据质量监控系统开发了基于自编码器的实时异常检测系统。引入一种新方法，利用异常随时间演化以及探测器响应的空间变异性来最大化异常检测性能。该基于自编码器的系统能够高效检测异常，同时保持极低的误发现率。用2018和2022年LHC碰撞数据验证了该系统性能。此外，还 presenting了将该自编码器系统部署于CMS在线数据质量监控工作流程中于LHC Run 3初期的首批结果，表明其能够检测到现有系统遗漏的异常问题。
引用
@article{arxiv.2407.20278,
title = {Anomaly Detection Based on Machine Learning for the CMS Electromagnetic Calorimeter Online Data Quality Monitoring},
author = {Abhirami Harilal and Kyungmin Park and Manfred Paulini},
journal= {arXiv preprint arXiv:2407.20278},
year = {2024}
}
备注
Submitted to the Proceedings of the 20th International Conference on Calorimetry in Particle Physics, CALOR 2024, Tsukuba, Japan, May 20-24, 2024