利用CMS开放数据中的异常检测分离非隔离的Upsilon粒子
高能物理 - 唯象学
2025-08-15 v2 高能物理 - 实验
数据分析、统计与概率
摘要
我们首次报道了在大型强子对撞机的质子-质子碰撞中,反隔离的Upsilon粒子衰变为两个缪子()的研究。利用基于机器学习(ML)的异常检测策略,我们在2016年13 TeV CMS开放数据中“重新发现”了Upsilon粒子,尽管存在大量的反隔离背景。通过这些方法,我们将信号显著性从仅使用双缪子质量谱时的提升至。此外,我们证明了与传统的“计数”方法相比,使用基于ML的多特征似然估计可以提高灵敏度。我们的工作表明,使用基于ML的异常检测在实验对撞机数据中发现真实信号是可行且实用的,并且我们从CMS开放数据中提炼出一个易于获取的基准数据集,以促进未来的异常检测发展。
引用
@article{arxiv.2502.14036,
title = {Isolating Unisolated Upsilons with Anomaly Detection in CMS Open Data},
author = {Rikab Gambhir and Radha Mastandrea and Benjamin Nachman and Jesse Thaler},
journal= {arXiv preprint arXiv:2502.14036},
year = {2025}
}
备注
5+3 pages, 4 figures; v2: minor changes. Code available at https://github.com/hep-lbdl/dimuonAD/