无需了解新物理即可发现它：作为对撞机搜索工具的异常检测
高能物理 - 唯象学
2021-11-30 v3 计算物理
摘要
在本文中，我们提出一种基于异常检测方法的全新策略，用以在对撞机上搜索新物理现象，且不受此类新事件细节的影响。为此，使用标准模型事件训练机器学习技术，其相应输出对超出标准模型的物理敏感。我们探索了高能物理（HEP）中三种新颖的异常检测（AD）方法：孤立森林（Isolation Forest）、基于直方图的离群点检测（Histogram Based Outlier Detection）和深度支持向量数据描述（Deep Support Vector Data Description）；以及最常用的自编码器（Autoencoder）。为评估所提方法的灵敏度，我们考虑了具体新物理模型的预言，并与使用全监督深度神经网络所得结果进行比较。同时也给出了浅层与深层异常检测技术的比较。我们的结果展示了半监督异常检测技术在广泛探索当前及未来强子对撞机数据方面的潜力。
引用
@article{arxiv.2006.05432,
title = {Finding New Physics without learning about it: Anomaly Detection as a tool for Searches at Colliders},
author = {M. Crispim Romao and N. F. Castro and R. Pedro},
journal= {arXiv preprint arXiv:2006.05432},
year = {2021}
}
备注
25 pages, 8 figures, 3 tables. Update corresponds to the consolidation of the published EPJC version plus the corresponding erratum