LHC通过基于事件的异常检测寻找新物理及ADFilter Web工具的开发
高能物理 - 唯象学
2025-12-01 v1 高能物理 - 实验
摘要
本工作通过应用基于事件的异常检测技术，利用无监督机器学习，推进大型强子对撞机（LHC）中新物理的模型无关性搜索。我们讨论了异常检测方法的优势，如最近一次ATLAS分析所示，并介绍了ADFilter——一个基于深度无监督神经网络自编码器的Web工具。ADFilter计算输入事件的损失分布，以辅助判断事件是否具有异常性。提供实际案例，说明该工具如何用于重新解释现有的LHC结果，以显著提高排除限值的潜力。此外，我们还对比性地研究了异常检测与监督机器学习技术，选取搜索重子产生两个或多个希格斯玻色子的情形作为代表案例，展示这些方法的应用和效果。
引用
@article{arxiv.2511.21869,
title = {New Physics Searches at the LHC through Event-based Anomaly Detection and Development of ADFilter Web-tool},
author = {Wasikul Islam and Sergei Chekanov and Nicholas Luongo},
journal= {arXiv preprint arXiv:2511.21869},
year = {2025}
}
备注
Contribution to 32nd International Symposium on Lepton Photon Interactions at High Energies, 25-29 August 2025 at Madison, Wisconsin, USA