BSM-AI 项目：SUSY-AI —— 利用机器学习推广 LHC 对超对称的限制
高能物理 - 唯象学
2017-04-27 v3 高能物理 - 实验
摘要
大型强子对撞机（LHC）的一个关键研究问题是检验新物理模型。测试此类模型的特定参数集是否被 LHC 数据排除是一项挑战：它需要耗时的散射事件生成、探测器响应模拟、事件重建、截面计算以及针对 ATLAS 和 CMS 实验定义的几百个信号区进行测试的分析代码。在 BSM-AI 项目中，我们以新方法应对这一挑战。机器学习工具被认为能直接从模型参数在毫秒级时间内预测模型是否被排除。第一个例子是 SUSY-AI，训练于现象学超对称标准模型（pMSSM）。约 300,000 个 pMSSM 模型集——每个均通过 ATLAS 的 200 个信号区测试——已被用于训练和验证 SUSY-AI。该代码目前能够以至少 93% 的准确率在 19 维中复现 ATLAS 排除区域。它已在约束 MSSM 和最小自然超对称模型中得到进一步验证，同样显示出高准确率。SUSY-AI 及其未来的 BSM 衍生工具将有助于解决重述 LHC 结果对于任意新物理模型的问题。SUSY-AI 可在 http://susyai.hepforge.org/ 下载。用于快速测试的在线接口可在 http://www.susy-ai.org/ 找到。
引用
@article{arxiv.1605.02797,
title = {The BSM-AI project: SUSY-AI - Generalizing LHC limits on Supersymmetry with Machine Learning},
author = {Sascha Caron and Jong Soo Kim and Krzysztof Rolbiecki and Roberto Ruiz de Austri and Bob Stienen},
journal= {arXiv preprint arXiv:1605.02797},
year = {2017}
}