[論文レビュー] Learning Multivariate New Physics

Raffaele Tito D’Agnolo, G. Grosso+3 more|arXiv (Cornell University)|Dec 27, 2019

Particle physics theoretical and experimental studies参考文献 72被引用数 13

ひとこと要約

本論文は、高エネルギー物理学のデータセットにおいて、特定の新しい物理的シグナルを仮定せずに、基準モデル（例えば、標準模型）からの小さな多次元的逸脱を検出するマルチレイヤーパーセプトロンに基づく手法を提示する。この手法は、LHCにおける二ミュオン最終状態におけるわずかな不一致を同定し、共鳴的 $Z'$ および非共鳴的接触相互作用の両方に対して感度を示す一方で、誤った陽性を引き起こす可能性のあるシステムティックな誤モデリングに対しても頑健である。

ABSTRACT

We discuss a method that employs a multilayer perceptron to detect deviations from a reference model in large multivariate datasets. Our data analysis strategy does not rely on any prior assumption on the nature of the deviation. It is designed to be sensitive to small discrepancies that arise in datasets dominated by the reference model. The main conceptual building blocks were introduced in Ref. [1]. Here we make decisive progress in the algorithm implementation and we demonstrate its applicability to problems in high energy physics. We show that the method is sensitive to putative new physics signals in di-muon final states at the LHC. We also compare our performances on toy problems with the ones of alternative methods proposed in the literature.

研究の動機と目的

• 高エネルギー物理学のデータセットにおいて、基準モデルからの小さな多次元的逸脱をモデルに依存しない方法で検出すること。
• 標準模型（SM）や $\Lambda$CDM などの良好に適合する基準モデルが支配するデータにおいて、まれまたは局所的な不一致を検出する課題に対処すること。
• 非適合バインのポissonノイズが支配的であるため、従来のビン化された尤度手法では捉えきれない新しい物理的シグナルを検出可能にする。
• LHC二ミュオンデータにおける共鳴的（$Z' \to \mu^+\mu^-$）および非共鳴的（フェルミオン四体接触相互作用）の新しい物理的シグナルに対する、この手法の感度を定量化すること。
• 特にミュオン運動量スケールの誤モデリングを含む、基準サンプルにおけるシステムティック不確実性が、この手法の性能および誤検出率に与える影響を評価すること。

提案手法

• この手法は、物理的観測量空間における基準モデルの確率密度を近似する多変数関数として、マルチレイヤーパーセプトロン（MLP）を用いる。
• MLPは、標準模型（または他のベースラインモデル）の予測分布と一致する基準データセット上で訓練され、シミュレーションデータまたはコントロール領域データが使用される。
• テスト統計量は、MLPの出力スコアに基づき、基準モデル下でのデータの尤度と代替仮説下での尤度を比較することで構築される。
• この手法は、データが基準モデルの予測から著しく逸脱する観測量空間の領域を同定することで、わずかな逸脱（たとえイベントの僅かな割合にしか影響しない場合でも）を検出する。
• 従来のビン化された手法で見られる信号抑制を回避するように設計されており、非適合領域におけるポissonノイズに敏感でない。
• 基準サンプルにおけるシステムティック不確実性はネイジスパrameterとして扱われ、今後の研究で分析フレームワークに正式に組み込む予定である。

実験結果

リサーチクエスチョン

• RQ1 ニューラルネットワークに基づく手法は、特定の新しい物理的シグナルを仮定せずに、高エネルギー物理学のデータセットにおける基準モデルからの小さな多次元的逸脱を検出可能か？
• RQ2 この手法は、LHCにおける二ミュオン最終状態において、$Z' \to \mu^+\mu^-$共鳴および非共鳴的接触相互作用をどの程度検出可能か？
• RQ3 ミュオン運動量スケールの誤ミスケーリングのような、基準サンプルにおけるシステムティック誤差が、真の新しい物理的シグナルとバックグラウンド誤モデリングの区別能力にどの程度影響を与えるか？
• RQ4 トゥイ問題において、この手法は代替のモデルに依存しない異常検出技術と比較してどの程度感度を示すか？
• RQ5 基準サンプルの誤モデリングは、誤検出（I型エラー）を引き起こすか？また、真の新しい物理的シグナルを隠蔽するか、あるいは強調するか？

主な発見

• 偏りのない基準サンプルに対してテストした場合、$Z' \to \mu^+\mu^-$シグナルは約10σの有意水準で検出可能であり、0.5％の運動量スケール誤差がある場合には4σに低下する。
• $c_W = 10^{-6}\,\text{TeV}^{-2}$ の四フェルミオン接触相互作用によって誘発される非共鳴的シグナルに対しても、この手法は測定可能な感度を示し、非共鳴的新しい物理的現象の検出能力を確認している。
• ミュオン運動量スケールにおける0.1％レベルの基準サンプルの誤モデリングは、顕著な反応を引き起こさないため、小さなシステムティック誤差に対して頑健であることが示された。
• 大きな誤差（±0.5％）では、テスト統計量が上昇し、p値が低下する傾向が見られ、システムティック誤差が誤検出（I型エラー）を引き起こす可能性があることを示している。
• 真の新しい物理的シグナルが存在する場合、基準サンプルのシステムティック誤モデリングにより、観測された有意水準が向上する。これは、この手法が誤陰性（II型エラー）を生じないだけでなく、信号の可視性を向上させる可能性があることを意味する。
• ポissonノイズによる非適合バインの信号抑制を回避できるため、この手法は従来のビン化尤度アプローチよりも、小さな局所的逸脱を検出する際の性能に優れている。