基于机器学习的共振新物理异常探测
高能物理 - 唯象学
2019-03-21 v3 高能物理 - 实验
摘要
尽管粒子物理标准模型之外（BSM）的物理有广泛的理论动机，大型强子对撞机（LHC）上的搜寻仍未发现 BSM 物理的显著证据。因此，拓宽搜寻程序的灵敏度以涵盖意外情形至关重要。我们提出一种新的模型无关异常探测技术，它天然受益于现代机器学习算法。这一新程序对信号的唯一要求是它在相空间中至少一个已知方向上局域化。任何与该局域化方向不相关的相空间其他方向都可用于搜寻意外特征。我们将这一新方法应用于双喷注共振搜寻，表明对于一个带有目前未被专门搜寻针对的中间 BSM 粒子的模型，它可将 modest 的 2 sigma 超出转变为 7 sigma 超出。
引用
@article{arxiv.1805.02664,
title = {Anomaly Detection for Resonant New Physics with Machine Learning},
author = {Jack H. Collins and Kiel Howe and Benjamin Nachman},
journal= {arXiv preprint arXiv:1805.02664},
year = {2019}
}
备注
Replaced with short PRL version. 7 pages, 2 figures. Revised long version will be submitted separately