[論文レビュー] FETA: Flow-Enhanced Transportation for Anomaly Detection

T. Golling, Samuel Klein+2 more|arXiv (Cornell University)|Dec 21, 2022

Astrophysics and Cosmic Phenomena被引用数 4

ひとこと要約

FETAは、LHCにおける共鳴異常検出における背景テンプレート構築のため、シミュレーション支援型で流れに基づく手法を提案する。これは、高精度な標準模型（SM）シミュレーションとサイドバンド領域のデータとの間で正規化フローを学習することで、質量を条件として用いることで信号領域への補間を可能にし、最新の手法と同等の感度を達成する。同時に、他の手法と相関のない背景サンプルを生成するため、補完的な探索戦略が可能になる。

ABSTRACT

Resonant anomaly detection is a promising framework for model-independent searches for new particles. Weakly supervised resonant anomaly detection methods compare data with a potential signal against a template of the Standard Model (SM) background inferred from sideband regions. We propose a means to generate this background template that uses a flow-based model to create a mapping between high-fidelity SM simulations and the data. The flow is trained in sideband regions with the signal region blinded, and the flow is conditioned on the resonant feature (mass) such that it can be interpolated into the signal region. To illustrate this approach, we use simulated collisions from the Large Hadron Collider (LHC) Olympics Dataset. We find that our flow-constructed background method has competitive sensitivity with other recent proposals and can therefore provide complementary information to improve future searches.

研究の動機と目的

• 理論的および検出器モデル化の近似によるシミュレーションの精度不足のため、LHCデータにおける共鳴異常検出のための正確な標準模型（SM）背景テンプレートを構築する課題に対処すること。
• SMシミュレーションと実データとの間で文脈依存のマッピングを学習する、シミュレーション支援型の特徴変形アプローチを開発し、背景テンプレートの忠実度を向上させること。
• 共鳴特徴（例：質量）を条件として用いることで、信号領域への背景テンプレートの堅牢な補間を可能にすること。
• LHCオリンピックデータを用いた実際の異常検出タスクにおいて、FETAの性能をCathode、Curtains、Saladなどの既存手法と比較すること。
• FETAが生成する背景テンプレートが他の手法と相関がなく、複数手法による異常探索で補完的に利用可能であることを示すこと。

提案手法

• FETAは、サイドバンド領域における高精度なSMシミュレーションデータ（X_SIM）と実データ（X_DAT）との間で双方向的かつ可逆的なマッピングを学習する正規化フローを用いる。
• 共鳴特徴（例：インバリアント質量）を条件として用いることで、信号領域への補間が可能になり、データが存在しない領域でもSM背景テンプレートの生成が可能になる。
• ベース密度フローをサイドバンドデータ上で訓練し、基礎的なSM背景分布をモデル化する。このフローは複数回（オーバースampling）サンプリング可能であり、統計的不確実性を低減する。
• 学習されたフローを信号領域のシミュレーションに適用することで、実データの特性を反映しつつも物理的整合性を保った背景インフォームドテンプレートを生成する。
• バイナリ分類器を訓練し、生成された背景テンプレートと信号領域の実データを区別させ、感度を評価する指標として有意性向上特性（SIC）やリジェクション曲線を用いる。
• LHCオリンピックデータセットを用いて検証を行い、分類器スコアの相関と性能指標を用いて、FETAの背景テンプレートをCathode、Curtains、Saladのものと比較する。

実験結果

リサーチクエスチョン

• RQ1 フローに基づくモデルは、サイドバンド領域におけるSMシミュレーションと実データとの間で文脈依存的かつ可逆的なマッピングを学習でき、正確な背景テンプレート構築を可能にするか？
• RQ2 共鳴質量特徴を条件として用いることで、異常検出のための信号領域への信頼性のある補間が可能になるか？
• RQ3 FETAの背景テンプレート性能は、Cathode、Curtains、Saladといった最新の手法と比較して、感度および有意性向上の観点で定量的にどの程度優れているか？
• RQ4 FETAが生成する背景サンプルは、他の手法のものと統計的に相関がなく、複数手法による異常探索で補完的に利用可能か？
• RQ5 ベース密度フローのオーバースamplingが、分類器の性能および背景テンプレートの統計的不確実性に与える影響は何か？

主な発見

• FETAは、有意性向上特性（SIC）を指標として測定した場合、他の最近の手法と同等の感度を達成しており、共鳴異常検出における実用性を示している。
• 分類器性能はオーバースampling要因5でピークに達し、以降は性能が飽和するため、それ以上の増加は限界効果にとどまる。
• 2000件以上の信号インジェクション（S/B ≥ 1.97%）では、すべてのオーバースampling要因が同程度の性能を示し、高い信号レベルで性能が飽和していることが示唆される。
• 信号なしおよび信号インジェクションありの両状況において、Fetaが生成する背景サンプルはCathode、Curtains、Saladのものと広範囲にわたって相関がなく、異なる位相空間カバレッジを示している。
• 信号が存在する際、信号イベントの分類器スコアはFETAと他の手法で強く相関しており、すべての手法が同じ異常を感受していることが確認される。
• 質量を条件としたフローを用いることで、信号領域への背景テンプレートの補間に成功し、データ駆動の仮定に依存せず、正確でシミュレーションに基づいた背景推定が可能になった。