众多错误中之正：利用偏置模拟以实现无偏参数推断
高能物理 - 唯象学
2026-04-23 v2 高能物理 - 实验
数据分析、统计与概率
统计方法学
摘要
在粒子物理学中，与许多科学领域一样，参数推断依赖于模拟来搭建理论与实验之间的桥梁。近期的模拟基于推断的发展提高了分析的灵敏度；然而，由于模拟-数据模型不匹配导致的偏置在标准推断管道中往往难以控制。本文提出了一种模板适应混合模型，以此在信号分数估计上下文中解决此问题：即推断混合样本中信号在信号与背景人口比例中的比例，这两种过程都遵循任意复杂分布。我们利用众多偏置模拟，对信号区域中每种过程分布进行数据驱动的估计，从而大幅降低由于模拟与现实之间的域迁移导致的信号分数偏置。我们探讨了不同的方法选择，包括模型选择、特征表示和统计方法，并将其应用于高斯玩具示例和半现实的双 Higgs 测量。我们发现，所提出的方法成功地利用偏置模拟，提供了带有已校准不确定性的估计。
引用
@article{arxiv.2604.02219,
title = {Many Wrongs Make a Right: Leveraging Biased Simulations Towards Unbiased Parameter Inference},
author = {Ezequiel Alvarez and Sean Benevedes and Manuel Szewc and Jesse Thaler},
journal= {arXiv preprint arXiv:2604.02219},
year = {2026}
}
备注
29 pages, 18 figures, 1 table, code available at https://github.com/sequi76/TAMM and data products available at https://zenodo.org/records/19341120 v2: version to be submitted