[論文レビュー] A robust anomaly finder based on autoencoders

Tuhin S. Roy, Aravind H. Vijay|arXiv (Cornell University)|Mar 5, 2019

Particle physics theoretical and experimental studies参考文献 80被引用数 67

ひとこと要約

本論文は、オートエンコーダを用いた強力な抗QCDジェットタグ付け手法を提案し、共通のフレームでジェット質量とエネルギーを固定する新しいジェット前処理を組み合わせることで、異なる位相空間領域に跨る質量ロバストな異常検出を可能にします。

ABSTRACT

We propose a robust method to identify anomalous jets by vetoing QCD-jets. The robustness of this method ensures that the distribution of the proposed discriminating variable (which allows us to veto QCD-jets) remains unaffected by the phase space of QCD-jets, even if they were different from the region on which the model was trained. This suggests that our method can be used to look for anomalous jets in high m/p T bins by simply training on jets from low m/p T bins, where sufficient background-enriched data is available. The robustness follows from combining an autoencoder with a novel way of pre-processing jets. We use momentum rescaling followed by a Lorentz boost to find the frame of reference where any given jet is characterized by predetermined mass and energy. In this frame we generate jet images by constructing a set of orthonormal basis vectors using the Gram-Schmidt method to span the plane transverse to the jet axis. Due to our preprocessing, the autoencoder loss function does not depend on the initial jet mass, momentum or orientation while still offering remarkable performance. We also explore the application of this loss function combined (using supervised learning techniques like boosted decision trees) with few other jet observables like the mass and Nsubjettiness for the purpose of top tagging. This exercise shows that our method performs almost as well as existing top taggers which use a large amount of physics information associated with top decays while also reinforcing the fact that the loss function is mostly independent of the additional jet observables.

研究の動機と目的

• 標準模型を超える新しい物理を探すため、ジェットデータに対するボトムアップ型の異常探索を動機づける。
• QCDジェットの位相空間の変動に頑健なオートエンコーダベースの異常検出器を開発する。
• 特別に設計されたジェット前処理により、オートエンコーダの損失がジェット質量と運動量にほぼ依存しなくなることを示す。

提案手法

• ジェットを固定質量 m0 にスケーリングし、固定エネルギー E0 へ洛倫兹ブーストすることで前処理する。
• 回転対称性を除去するため、Gram-Schmidt正規基底を用いて横断平面にジェット画像を構築する。
• 全結合および畳み込みオートエンコーダの両方を訓練してジェット画像を再構成し、再構成損失を異常スコアとして用いる。
• エネルギー正規化を保持するため最終層にSoftMaxを用い、入力と再構成とのL2距離を損失として計算する。
• 検出器効果の有無に関わらず、1つのrhoビンで訓練し、他のrhoで評価することで13 TeVおよび100 TeVのシミュレーションに対する頑健性をベンチマークする。
• トップタグ付けのために、オートエンコーダ損失を質量やN-subjettinessなどのジェット観測量と組み合わせることも可能。

実験結果

リサーチクエスチョン

• RQ1 ある運動学領域でQCDジェットを訓練したオートエンコーダは、質量分布をスカルプトすることなく、別の領域のQCDジェットを効果的に拒否できるか。
• RQ2 提案されたジェット前処理（質量/エネルギー固定とGram-Schmidtベースの横断基底）が、オートエンコーダの損失をジェット質量と rho (mJ/pT R) から切り離すか。
• RQ3 トップ・Wジェットに対する頑健性と異常識別の観点で、denseと畳み込みオートエンコーダの性能はどう比較されるか。
• RQ4 物理ベースのタグ付け器と比べて、単独またはジェット観測量と組み合わせたときに、手法は競争力があるか。
• RQ5 このアプローチは、ジェット内の二つのWがhadronic decaysを起こすようなNPシナリオ由来の異常を識別できるか。

主な発見

• 前処理は高い頑健性を生み出す：オートエンコーダの損失はrhoビン全体でジェット質量にほとんど依存しない。
• 畳み込みオートエンコーダが、検討したアーキテクチャの中で最も頑健な性能を示す。
• 単独使用時には既存手法と同程度の異常タグ付け性能を達成し、トップタグ付けのためにN-subjettinessと組み合わせると顕著に改善する。
• 低rhoのQCDジェットで訓練すると、背景純度が限られた高rho領域で効果的な異常探索が可能になる。
• ジェット質量やNsubjettinessと組み合わせた場合、特定の構成で専用トップタグ器に匹敵するか、それを上回る。
• 検出器効果やMPI変動の下でも手法は有効で、さまざまなシナリオにわたって損失関数の頑健性を保持する。