受图论启发的LHC异常检测
高能物理 - 唯象学
2025-06-26 v1 高能物理 - 实验
数据分析、统计与概率
摘要
设计用于分析LHC数据的数据无模型异常检测算法仍是寻找新物理学的核心挑战，由于事件的高维度。在本工作中，我们开发了一个图自编码器作为无监督、模型中立的异常检测工具，使用LHC奥林匹克数据集作为基准。通过将喷气 constituent表示为图，我们引入了一种系统控制模型可用信息的方法，通过稀疏图构造作为物理动机驱动的归纳偏置。具体而言，我们基于局部刚性Laman图和全刚性唯一图构建图自编码器，进而探讨了将喷气 constituent聚类成子喷气以在高层和低层输入表示之间进行插值。我们在特定稀疏唯一图构造和中间级子喷气聚类水平上获得了最佳性能，测度为LHC实验的显著性改进特征曲线。我们进一步研究了图的连通性在喷气分类任务中的作用。我们的结果表明，利用图论见解来细化和提高机器学习工具可解释性的潜力对于实验实验室实验具有重要意义。
引用
@article{arxiv.2506.19920,
title = {Graph theory inspired anomaly detection at the LHC},
author = {Jack Y. Araz and Dimitrios Athanasakos and Mateusz Ploskon and Felix Ringer},
journal= {arXiv preprint arXiv:2506.19920},
year = {2025}
}