Feldman-Cousins 方法的 ML 亲属：基于模拟推断的躺平 neutrino 全局拟合
高能物理 - 实验
2025-01-16 v1
摘要
对于许多小信号粒子物理分析，威尔克定理——一种预设对数似然函数 asymptotically 正态性的简化假设——不成立。粒子物理中最常用的替代方法是由 Feldman 和 Cousins 提出的计算昂贵的程序。在进行全局数据拟合时，威尔克定理的偏离情况会加剧，Feldman-Cousins 方法变得计算上不可行。我们提出了一种新颖的基于机器学习的程序，可比 Feldman-Cousins 方法快 200 倍地近似完整的贝叶斯分析。我们通过对电子 ν/反 ν 躺平 neutrino 失现数据进行单一躺平 neutrino 振荡框架下的联合分析，展示了该方法的实用性。虽然我们展示了一种原型性的基于模拟的推断方法，用于躺平 neutrino 全局拟合，但我们预计类似的程序将对所有类型的全局拟合具有用途，尤其是那些 Feldman-Cousins 计算开销过大的情形。
引用
@article{arxiv.2501.08988,
title = {Feldman-Cousins' ML Cousin: Sterile Neutrino Global Fits using Simulation-Based Inference},
author = {Joshua Villarreal and John M. Hardin and Janet M. Conrad},
journal= {arXiv preprint arXiv:2501.08988},
year = {2025}
}