[論文レビュー] LLPNet: Graph Autoencoder for Triggering Light Long-Lived Particles at HL-LHC

Biplob Bhattacherjee, Partha Konar+2 more|arXiv (Cornell University)|Aug 25, 2023

Particle physics theoretical and experimental studies被引用数 4

ひとこと要約

本稿では、HL-LHCにおける軽量長寿命粒子（LLP）の崩壊によって生じるずれたジェットを検出するため、L1再構成トラックを用いたエッジ畳み込みを用いた軽量なグラフオートエンコーダー、LLPNetを提案する。30 kHzのバックグラウンドレートで33–80%の信号効率を達成し、質量が小さいLLPがジェットに崩壊する場合のL1トリガーの実現可能性を示している。

ABSTRACT

In the search for exotic events involving displaced particles at HL-LHC, the triggering at the level-1 (L1) system will pose a significant challenge. This is particularly relevant in scenarios where low mass long-lived particles (LLPs) are coupled to a Standard Model (SM)-like 125 GeV Higgs boson and they decay into jets. The complexity arises from the low hadronic activity resulting from LLP decay, and the existing triggers' inability to efficiently select displaced events. This study introduces a novel machine learning approach to address this challenge, utilizing a lightweight autoencoder architecture designed for low latency requirements at L1. Focusing on light LLPs with decay lengths ranging from 1 to 100 cm, this approach employs "Edge convolution" on L1 reconstructed tracks. The results show notable signal acceptance at the permissible background rate, primarily originating from minimum bias and QCD di-jet events. For LLPs of mass 10, 30, and 50 GeV at decay length of 5 cm, the signal efficiencies are 33%, 70%, and 80%, respectively. At a 50 cm decay length, these efficiencies are 20%, 39%, and 45% for the same respective masses.

研究の動機と目的

• HL-LHCのレベル1（L1）トリガー・システムにおいて、軽量長寿命粒子（LLP）からのずれた署名をトリガーする課題に対処すること。
• LLP崩壊による低多重度・低ハドロン的活動を示すイベントを捕捉できない標準的トリガー（例：H_T、PUPPI）の非効率性を克服すること。
• L1でリアルタイム処理が可能な低遅延かつFPGA互換の機械学習ソリューションを開発すること。高積み重ね（1クロージングあたり最大140相互作用）を想定。
• 質量10–50 GeV、崩壊長1–100 cmのLLPを検出可能とすること。特にヒッグス粒子が非可視状態やジェット最終状態に崩壊する場合に注目。
• バックグラウンドレートを30 kHz未満に維持しながら、信号受容率を最適化すること。これはL1トリガーの拡張性にとって重要な閾値である。

提案手法

• 計算負荷を低減するため、k近傍法ではなく半径ベースのグラフ構築法を用いてL1再構成トラックからイベントレベルの点群グラフを構築する。
• エッジ畳み込み層を適用し、トランスバースインパクトパラメータや運動量を含む、トラックの空間的および運動的特徴をノードおよびエッジ特徴にエンコードする。
• 入力点群を再構成する軽量なグラフオートエンコーダーを訓練し、ずれたジェットのトポロジー構造を捉えるコンactな潜在表現を学習する。
• 異常検出を用いる：信号イベント（ずれたジェット）では再構成誤差が低く、バックグラウンド（minbiasおよびQCD二ジェット）では高い誤差となるようにする。これによりレアイベントを同定。
• 勾配ブースティング回帰器を用いて、グラフ半径および潜在空間次元のハイパーパramータチューニングを行い、異なるLLP質量および崩壊長に対応する最適作業点（WPs）を同定。
• ステッチング法を用いてバックグラウンドレートを計算。QCD二ジェットバックグラウンドを複数のp_T^genビンに分割し、位相空間の重なりを考慮。

Figure 1 : Number of edges in a graph for minbias events, constructed by considering neighbors within a specific radius ( $r_{G}$ ) or by selecting a fixed number of neighbors using the $k$ -nearest neighbors method.

実験結果

リサーチクエスチョン

• RQ1 低ハドロン的活動と高積み重ねを伴うにもかかわらず、軽量なグラフオートエンコーダーがL1トリガー段階で軽量LLPからのずれたジェットを効果的に検出できるか？
• RQ2 グラフ構築法の選択（半径対k近傍）が、L1環境における性能および計算効率に与える影響は何か？
• RQ3 質量10、30、50 GeVのLLPが1–100 cmの崩壊長を持つ場合、30 kHz未満のバックグラウンドレートを維持しながらどの程度の信号効率が達成可能か？
• RQ4 異なる崩壊長および質量において、信号イベントと主要なバックグラウンド（minbiasおよびQCD二ジェット）の再構成誤差分布にどのような違いが生じるか？
• RQ5 信号効率とAUCを最大化するために最適なハイパーパramータ（グラフ半径および潜在次元）は何か？異なるLLPベンチマークポイントにおいて同定する。

主な発見

• 質量10 GeV、崩壊長5 cmのLLPに対して、WP-1を用いることで30 kHzのバックグラウンドレートで33%の信号効率を達成。
• 30 GeVのLLPが5 cmの崩壊長を持つ場合、同じバックグラウンド閾値で70%の信号効率に達する。50 GeVのLLPでは80%の効率を達成。
• より長い崩壊長50 cmでは、10、30、50 GeVのLLPに対してそれぞれ20%、39%、45%の信号効率をWP-2で達成。
• 最適なグラフ半径および潜在空間次元はLLP質量および崩壊長に応じて変化し、最大AUC値は特定の組み合わせ（例：r_G=0.9、n_lat=6）で観測された。
• ROC曲線は信号とバックグラウンドの明確な分離を示しており、minbiasおよびQCD二ジェットと比較してLLPイベントの異常スコアが顕著に上昇している。
• 1–100 cmの崩壊長にわたり高い性能を維持しており、長距離での信号効率低下にもかかわらず、さまざまなずれスケールに対して頑健であることが示された。

Figure 2 : The figure shows a schematic diagram of LLPNet , with latent node dimensions $n_{lat}$ .