基于卷积图神经网络的异常检测
高能物理 - 唯象学
2021-09-01 v2 高能物理 - 实验
摘要
我们设计了一种基于自编码器的策略，采用图神经网络（GNNs）以促进 boosted 喷注的异常检测。为克服GNN自编码器的已知局限，我们设计了一个能够同时重建边特征与节点特征的对称解码器。聚焦于基于潜空间的判别器，我们发现此类设置提供了一条有前景的途径，可将新物理及竞争的SM特征从限制灵敏度的QCD喷注贡献中分离出来。我们使用W玻色子、顶夸克以及奇异强子衰变奇异标量玻色子的例子展示了该方法的灵活性与广泛适用性。
引用
@article{arxiv.2105.07988,
title = {Anomaly detection with Convolutional Graph Neural Networks},
author = {Oliver Atkinson and Akanksha Bhardwaj and Christoph Englert and Vishal S. Ngairangbam and Michael Spannowsky},
journal= {arXiv preprint arXiv:2105.07988},
year = {2021}
}
备注
Added two appendices, minor modifications in text, no changes in result, matches accepted version in JHEP