[論文レビュー] Anomaly Detection for Physics Analysis and Less than Supervised Learning

Benjamin Nachman|arXiv (Cornell University)|Oct 27, 2020

Computational Physics and Python Applications被引用数 4

ひとこと要約

本論文は、高エネルギー物理学（HEP）における機械学習ベースの異常検出手法を紹介し、事前に定義された信号およびバックグラウンドモデルへの依存を軽減することで、新しい物理現象の感度の高い、モデルに依存しない探索を可能にする。CWoLa や ANODE といった新規手法を提案し、信号シミュレーションを事前に必要とせず、ダイジェット最終状態における新しい粒子生成の上限を強く制約する。これは、HEP におけるデータ駆動型発見への転換を示している。

ABSTRACT

Modern machine learning tools offer exciting possibilities to qualitatively change the paradigm for new particle searches. In particular, new methods can broaden the search program by gaining sensitivity to unforeseen scenarios by learning directly from data. There has been a significant growth in new ideas and they are just starting to be applied to experimental data. This chapter introduces these new anomaly detection methods, which range from fully supervised algorithms to unsupervised, and include weakly supervised methods.

研究の動機と目的

• 事前に定義された信号およびバックグラウンドモデルに依存しない高エネルギー物理学における異常検出手法の開発。
• 信号モデルが不明またはシミュレーションが困難な場合でも、データから直接学習することで、新しい物理現象の感度の高い探索を可能にする。
• テスト統計の選択およびバックグラウンド補正におけるモデル依存性の低減により、耐性の向上と新しい物理現象探索の範囲拡大を実現。
• 実コライダーデータを用いたデータ駆動型異常検出の実現可能性を示し、シミュレーションのみでの検証から脱却する。

提案手法

• CWoLa（ラベルなし分類）や ANODE（密度推定を用いた異常検出）といった弱教師ありおよび教師なし機械学習手法を用い、期待されるバックグラウンドからの逸脱を特定。
• 信号シミュレーションを完全に必要としない多次元特徴空間における密度推定を用いて、バックグラウンド分布をモデル化。
• ニューラルネットワークで最適化された尤度比ベースのテスト統計を適用し、特定の信号モデルを仮定せずに最適な感度を達成。
• モンテカルロシミュレーションをバックグラウンドのp値補正に用いずに、データ駆動型密度推定およびサイドバンド手法を用いて補正。
• 異なる信号モデルごとに分類器を再訓練できるよう、約 10^4 個のニューラルネットワークをトレーニングし、多様な信号仮説における感度スキャンを可能に。
• 2次元特徴空間における分類器出力を可視化し、トレーニング段階で信号を事前に注入しなくても、自動的に信号に類似した領域を同定できることを示し、解釈可能性と検証性を確保。

実験結果

リサーチクエスチョン

• RQ1 機械学習ベースの異常検出手法は、詳細な信号モデルに依存せずに新しい物理現象の感度を達成できるか？
• RQ2 完全なモンテカルロシミュレーションが利用できない状況で、データ駆動型密度推定を用いてバックグラウンドのp値をどのように補正できるか？
• RQ3 CWoLa などの弱教師あり手法は、収束した崩壊製品を伴うような複雑な最終状態（例：ダイジェット）において、新しい物理現象をどの程度検出できるか？
• RQ4 従来のモデル依存型探索と比較して、モデルに依存しない異常検出の性能は、発見の到達範囲においてどのように異なるか？
• RQ5 これらの手法を実コライダーデータに適用する際の計算的および手法論的課題は何か？

主な発見

• ATLAS は、CWoLa 手法を用いた最初のデータ駆動型異常検出探索を成功裏に実施し、ダイジェット最終状態における自動的信号同一定位を実証した。
• CWoLa を用いた解析は、特定の信号モデルにおいて、従来手法を上回る新しい物理現象生成断面積の上限を達成した。
• 新しい粒子の証拠は得られなかったが、本研究は実データを用いたモデルに依存しない異常検出の実現可能性を検証し、HEP における重要なマイルストーンを達成した。
• 異なる信号質量および強度をスキャンするために、約 10^4 個のニューラルネットワークのトレーニングが必要であり、このようなアプローチの計算コストの高さを示している。
• 分類器出力の可視化により、トレーニング段階で信号を事前に注入しなくても、モデルが自動的に信号に類似した領域を同定できることを確認した。
• LHC オリンピック 2020 のデータチャレンジが、現実的で混合シミュレーション環境下でのこれらの手法のさらなる開発およびベンチマーク化を目的として設立された。