[論文レビュー] Discovering New Physics with Voronoi Tessellations

Dipsikha Debnath, James S. Gainer+2 more|arXiv (Cornell University)|Nov 9, 2015

Particle physics theoretical and experimental studies参考文献 24被引用数 3

ひとこと要約

本論文は、高エネルギー物理学のデータにおける運動論的エッジを検出するためのボロノイタイルレーションに基づく手法を提案する—これは標準模型を超える新しい物理現象を示唆する可能性がある特徴である。ボロノイセルの性質（面積、隣接セル数など）を分析し、Lloydの緩和法を用いて精度を向上させることで、事前分布の知識がなくとも、スパarsな高次元位相空間においてもエッジを同定する。この手法は、トロイモデルおよび13 TeV LHCにおけるスレーブスケールのベンチマークシナリオにおいて、エッジ検出感度を顕著に向上させる。

ABSTRACT

High energy experimental data can be viewed as a sampling of the relevant phase space. We point out that one can apply Voronoi tessellations in order to understand the underlying probability distributions in this phase space. Interesting features in the data can then be discovered by studying the properties of the ensemble of Voronoi cells. For illustration, we demonstrate the detection of kinematic "edges" in two dimensions, which may signal physics beyond the standard model. We motivate the algorithm with some analytical results derived for perfect lattices, and show that the method is further improved with the addition of a few Voronoi relaxation steps via Lloyd's method.

研究の動機と目的

• 従来の手法が未知のバックグラウンド分布および検出器効果のため失敗する、スパarsで高次元の素粒子物理学データにおける運動論的エッジ検出の課題に対処すること。
• 標準模型を超える新しい物理を示唆する位相空間内の構造的特徴を同定する、モデルに依存しない非パラメトリックなアプローチを開発すること。
• ボロノイセルの幾何的性質とLloyd法による反復的リファインメントを活用することで、多次元データにおけるエッジ検出感度を向上させること。
• 13 TeV LHCにおける実際のスレーブスケールベンチマークと、事前に分かっているエッジを持つ合成データの両方で、この手法の有効性を示すこと。

提案手法

• 各イベントを生成点とし、各ボロノイセルをそのイベントに最も近い領域とする位相空間データのボロノイタイルレーションを構築する。
• 面積、周囲長、隣接セル数などのボロノイセルの幾何的属性を計算し、識別変数を形成する。
• Lloydの緩和アルゴリズムを反復的に適用して生成点をセルの重心に再配置し、ノイズを低減しエッジ特徴を鋭くする。
• 複数段階の隣接セルに対する属性の標準偏差に基づく変数を用い、エッジのコントラストを強化する。
• 識別変数のしきい値を用いて候補エッジセルをフラグ付けし、ROC曲線分析とジニ係数を用いて検証する。
• AUROCおよびジニインデックスを用いて性能を評価し、密度対比やデータスパarsityの変動に応じた検出効率と頑健性を定量的に評価する。

実験結果

リサーチクエスチョン

• RQ1 未知の確率分布を有する2次元位相空間において、ボロノイタイルレーションは運動論的エッジを効果的に検出できるか？
• RQ2 Lloydの緩和法を追加することで、スパarsデータにおけるエッジ検出の感度と正確性はどのように向上するか？
• RQ3 面積や隣接セル数といったボロノイセル属性が、モデルに依存しない変数として、新しい物理の兆候を同定するのにどれほど頑健であるか？
• RQ4 組み合わせ的曖昧性と標準模型のバックグラウンドを伴う、実際の高エネルギー物理学シナリオ（例えばスレーブスケール崩壊）において、この手法はどの程度の性能を示すか？
• RQ5 過学習を避けるために、エッジ検出能力を最大限に高めるために最適なLloyd反復回数と隣接セル段階数は何か？

主な発見

• ボロノイベースの手法は、密度対比ρ=6の2次元トロイモデルにおいて、真の運動論的エッジを高信号効率・低バックグラウンド汚染で正しく検出できた。
• Lloydの緩和法により検出性能が顕著に向上し、最初の数ステップでジニ係数が急激に上昇し、3〜5ステップで飽和した。
• 最大5段階の隣接ボロノイセルを含めることで、フラクチュエーションが低減されエッジが鋭くなり、テスト変数の識別力が向上した。
• スレーブスケールベンチマークにおいて、組み合わせ的曖昧性と標準模型のバックグラウンドを伴っても、(m²ℓℓ, (m²jℓℓ−m²ℓℓ)/6)平面における運動論的エンドポイントを明確に同定できた。
• ROC曲線分析から、密度対比が高いほど手法の性能が向上し、最適な緩和と隣接セルの組み合わせでジニインデックスは最大約0.85に達した。
• 解析的形で信号およびバックグラウンド分布が不明であっても、この手法は有効であり、モデルに依存しない探索に適している。