利用拓扑感知自编码器增强异常检测
高能物理 - 唯象学
2025-02-17 v1 机器学习
高能物理 - 实验
摘要
高能物理中的异常检测对于识别标准模型之外的新物理至关重要。自编码器提供了一种信号中性的方法,但受其潜在空间拓扑的限制。本文探索了拓扑感知自编码器,通过将相空间分布嵌入反映能量-动量守恒的紧凑流形上。我们构建了采用球面()、积空间()和射影空间()作为潜在空间的自编码器,并将其异常检测性能与常规欧几里得嵌入进行比较。我们的结果表明,具有拓扑先验的自编码器通过保持数据流形的全局结构并减少伪重建误差,显著提高了异常分离性能。将该方法应用于模拟的喷射顶夸克衰变,我们展示,具有适当拓扑约束的潜在空间在检测异常事件方面增强了灵敏度和鲁棒性。本研究确立了拓扑感知自编码器作为无监督新物理粒子碰撞数据搜索的强大工具。
引用
@article{arxiv.2502.10163,
title = {Enhancing anomaly detection with topology-aware autoencoders},
author = {Vishal S. Ngairangbam and Błażej Rozwoda and Kazuki Sakurai and Michael Spannowsky},
journal= {arXiv preprint arXiv:2502.10163},
year = {2025}
}
备注
12 pages, 5 figures, 2 tables