[論文レビュー] New Methods and Datasets for Group Anomaly Detection From Fundamental Physics

Gregor Kasieczka, Benjamin Nachman+1 more|arXiv (Cornell University)|Jul 6, 2021

Anomaly Detection Techniques and Applications被引用数 5

ひとこと要約

本論文は、大型ハドロン衝突型加速器（LHC）における新物理探索を目的として、素粒子物理学における教師なしグループ異常検出のためのLHCO2020ベンチマークデータセットを紹介する。CWoLa や ANODE といった最先端の手法を評価し、これらの手法が統計的有意水準を最大10倍まで向上させられることを示しており、異常ラベルが事前に与えられていなくても新粒子の感受性の高い発見が可能であることを示している。

ABSTRACT

The identification of anomalous overdensities in data - group or collective anomaly detection - is a rich problem with a large number of real world applications. However, it has received relatively little attention in the broader ML community, as compared to point anomalies or other types of single instance outliers. One reason for this is the lack of powerful benchmark datasets. In this paper, we first explain how, after the Nobel-prize winning discovery of the Higgs boson, unsupervised group anomaly detection has become a new frontier of fundamental physics (where the motivation is to find new particles and forces). Then we propose a realistic synthetic benchmark dataset (LHCO2020) for the development of group anomaly detection algorithms. Finally, we compare several existing statistically-sound techniques for unsupervised group anomaly detection, and demonstrate their performance on the LHCO2020 dataset.

研究の動機と目的

• 教師なしグループ異常検出のための現実的で標準化されたベンチマークデータセットの不足に応えること。
• LHCO2020チャレンジデータセットを導入することで、高エネルギー物理学における不完全に教師付きの異常検出手法の採用を促進すること。
• 物理的文脈に即した、選別されたデータセット上で統計的に妥当なグループ異常検出手法の性能を評価・比較すること。
• 教師なし手法が、新物理探索における統計的有意水準の向上を著しく達成できることを示すこと。

提案手法

• LHC衝突データのシミュレーションから得られる、現実的でFAIR準拠のベンチマークとしてのLHCO2020データセットを提案する。
• インvariant mass、タウジェットの部分構造、デルタマスといった高次元の観測量を用いて、衝突イベントを次元削減された空間に表現する。
• CWoLa（ラベルなし分類）手法を適用し、信号領域とサイドバンド領域の両方における通常イベントが統計的に類似しているという仮定の下で分類器を学習する。
• ANODE（密度推定を用いた異常検出）を用いて、正規化フローを用いて通常データの分布をモデル化し、密度が低い領域を異常と特定する。
• 尤度比検定とポアソン統計に基づく有意水準指標を用いて性能を評価し、信号対ノイズの改善に注目する。
• 受信者操作特性（ROC）曲線と有意水準増加曲線を用いて、真陽性率を変化させた場合の各手法の感受性を比較する。

実験結果

リサーチクエスチョン

• RQ1 教師なしグループ異常検出手法は、ラベルのない異常を前提として、LHCにおける新物理信号の検出に高い感受性を示すことができるか？
• RQ2 CWoLa や ANODE といった手法は、現実的で物理的動機付けのあるベンチマークデータセット上で、性能に差を示すか？
• RQ3 グループ異常検出は、潜在的な新物理信号の統計的有意水準をどの程度向上させ得るか？
• RQ4 高次元の物理的インスピレーションを持つ特徴量を用いることで、グループ異常検出手法の性能にどのような影響を与えるか？

主な発見

• ANODE手法は、真陽性率が0.25のとき、最大で約7倍の有意水準増加を達成した。
• CWoLa手法は、真陽性率が0.1のとき、最大で10倍を超える有意水準増加を達成した。
• 教師あり手法は、完璧な真のラベルを必要とするが、有意水準増加が20倍以上に達した。
• CWoLaは信号領域とサイドバンド領域をほぼランダムに区別できず、両領域の通常イベントが統計的に区別できないというその核心的仮定が裏付けられた。
• CWoLaとANODEの両手法とも、ラベルのない異常状況下でランダムな推測を著しく上回る性能を示しており、強固さと感受性を確認した。
• LHCO2020データセットは、高エネルギー物理学の文脈において、グループ異常検出手法の公平で再現可能かつコミュニティ全体での評価を可能にする。