为滑动窗口准备的 CURTAINs：通过变换相邻区间构造未观测区域

我们提出了一种与模型无关的新技术，用于在 LHC 上寻找新物理过程的背景数据模板构建。该方法称为 CURTAINs，使用可逆神经网络将边带数据分布参数化为共振可观测量函数。网络学习一个变换，将任意数据点从其共振可观测量的值映射到另一个选定值。利用 CURTAINs，通过将边带数据映射到信号区，构建了信号窗口中背景数据的模板。我们使用 CURTAINs 背景模板进行异常检测，以增强凸起搜寻中对新物理的灵敏度。我们在宽质量范围内滑动窗口搜索中展示了其性能。使用 LHC Olympics 数据集，我们证明 CURTAINs 与其他旨在提升凸起搜寻灵敏度的领先方法性能相当，可在小得多的不变质量区间上训练，且完全由数据驱动。