[論文レビュー] Nonparametric semisupervised classification for signal detection in high energy physics

Alessandro Casa, Giovanna Menardi|arXiv (Cornell University)|Sep 9, 2018

Gaussian Processes and Bayesian Inference被引用数 15

ひとこと要約

本稿では、理論的背景知識を密度推定に統合することで、モードベースのクラスタリングと変数選択を用いて、高エネルギー物理学における信号検出のための非パラメトリックな半教師あり分類手法を提案する。この手法は、パラメトリックなベンチマークを上回り、異常な信号成分の背景データからの検出において、Fowlkes-Mallows指数0.84および80%の真正陽性率を達成した。

ABSTRACT

Model-independent searches in particle physics aim at completing our knowledge of the universe by looking for new possible particles not predicted by the current theories. Such particles, referred to as signal, are expected to behave as a deviation from the background, representing the known physics. Information available on the background can be incorporated in the search, in order to identify potential anomalies. From a statistical perspective, the problem is recasted to a peculiar classification one where only partial information is accessible. Therefore a semisupervised approach shall be adopted, either by strengthening or by relaxing assumptions underlying clustering or classification methods respectively. In this work, following the first route, we semisupervise nonparametric clustering in order to identify a possible signal. The main contribution consists in tuning a nonparametric estimate of the density underlying the experimental data with the aid of the available information on the physical theory. As a side contribution, a variable selection procedure is presented. The whole procedure is tested on a dataset mimicking proton-proton collisions performed within a particle accelerator. While finding motivation in the field of particle physics, the approach is applicable to various science domains, where similar problems of anomaly detection arise.

研究の動機と目的

• 高エネルギー物理学における未知の粒子の検出を、既知の背景プロセスからの逸脱としてモデルに依存しないアプローチで行うことを目的とする。
• ラベル付きの背景データとラベルなしの実験データしか入手できない状況において、信号検出の課題に対処することを目的とする。
• 物理的理論を非パラメトリックな密度推定に統合することで、クラスタ検出と変数選択を向上させ、異常検出を改善することを目的とする。
• 形式的仮説検定と信頼区間を用いた統計的に厳密な推論フレームワークを提供することを目的とする。
• 本手法の有効性を、シミュレーテッドプロトン-プロトン衝突データを用いて示し、既存のパラメトリック手法を上回ることを目的とする。

提案手法

• 背景プロセスに関する理論的知識を用いて、非パラメトリックな密度推定器をチューニングし、信号検出を向上させる。
• メーンシフト法を用いて、推定された密度のモードとしてクラスタを特定し、物理的信号候補を明確な密度ピークに関連付ける。
• 非パラメトリック推論に基づく変数選択手順を用いて、最も情報量の多い特徴量を同定し、次元削減を実現する。
• モード検定を用いてクラスタ数を推定し、信号成分の存在に関する形式的統計的推論を可能にする。
• ラベル付きの背景データを用いて非教師ありクラスタリングを強化することで、半教師あり学習を統合し、検出精度を向上させる。
• 検出された信号モードにおけるヘッセ行列の固有値の信頼区間を計算し、統計的有意性を評価する。

実験結果

リサーチクエスチョン

• RQ1 パラメトリック手法と比較して、非パラメトリックな半教師ありアプローチは、高エネルギー物理学における信号検出を改善できるか？
• RQ2 背景プロセスに関する物理的理論を、非パラメトリックな密度推定にどのように統合できるか？
• RQ3 信号が未知で、かつ欠落している可能性がある状況において、提案手法の異常信号成分検出性能はいかがなものか？
• RQ4 提案された変数選択手順は、主成分分析と比較して、信号検出に適した特徴量を効果的に同定できるか？
• RQ5 半教師ありで非パラメトリックなフレームワークにおいて、クラスタ検出に形式的統計的推論を適用できるか？

主な発見

• 提案された非パラメトリックな半教師あり手法は、Fowlkes-Mallows指数0.84を達成し、真のクラスタと検出されたクラスタの間で強い一致を示した。
• 信号検出の真正陽性率は80%に達し、主成分に適用したパラメトリック手法の50%を大きく上回った。
• 非パラメトリックな変数選択手順で選択された2つの変数に適用した場合、Fowlkes-Mallows指数は0.78、真正陽性率は56%を達成した。
• 本手法は背景クラスタ12個と、信号に対応する4つの追加成分を検出でき、推定された密度におけるモード数は期待される構造と一致した。
• 信号モードにおける固有値の信頼区間が計算され、検出された信号成分の統計的有意性が裏付けられた。
• 本手法は、Vatanenら（2012）のパラメトリック手法よりも、精度と頑健性の両面で優れており、特に主成分ではなく選択された変数を用いた場合に顕著であった。