关于粒子物理搜索与测量中的统计功效聚焦

粒子物理实验依赖于（广义）似然比检验 (LRT) 进行搜索与测量，这些检验由复合假设检验组成。然而，该检验不一定是最优的，因为尼尔森-珀杰 lemma 仅适用于简单假设检验。任何选择的检验统计量隐式地决定了统计功效在参数空间中的分布。针对含复合检验的通用情景下的统计测试方法的改进将对实验产生广泛的影响。我们讨论了另一种检验统计量，使数据分析者能够将检验功效聚焦于物理动机驱动的参数空间区域。我们在 ATLAS 实验模拟的 Higgs $\rightarrow\tau\tau$ 数据集和以 LZ 实验为灵感的暗物质数据集上演示了该技术相对于 LRT 的改进。我们还采用机器学习有效地执行尼尔森构建，这对于确保统计上有效的置信区间至关重要。