[論文レビュー] Returning CP-Observables to The Frames They Belong

Jona Ackerschott, Rahool Kumar Barman+3 more|arXiv (Cornell University)|Jul 31, 2023

Particle physics theoretical and experimental studies参考文献 103被引用数 4

ひとこと要約

本論文は、条件付き正規化フロー（cINN）を用いて、再構築された検出器レベルのイベントを部分的基準フレームへ確率的にマッピングすることで、最適な運動的フレームにおけるCP観測量を再構築する機械学習ベースのアンフォールディング手法を提案する。この手法は、完全な運動的相関を保持することで、CP対称性の破れに対する感度を向上させ、新物理の信号を検出する際の古典的手法を上回る性能を発揮する。

ABSTRACT

Optimal kinematic observables are often defined in specific frames and then approximated at the reconstruction level. We show how multi-dimensional unfolding methods allow us to reconstruct these observables in their proper rest frame and in a probabilistically faithful way. We illustrate our approach with a measurement of a CP-phase in the top Yukawa coupling. Our method makes use of key advantages of generative unfolding, but as a constructed observable it fits into standard LHC analysis frameworks.

研究の動機と目的

• 検出器レベルでの再構築が運動的相関を歪めることを踏まえ、部分的基準フレームで定義される最適なCP観測量を再構築する課題に対処すること。
• 統計的に整合性のあるアンフォールディング手法を通じて、完全な位相空間相関を保持することで、トップヤクバイ結合におけるCP対称性の破れに対する感度を向上させること。
• 分析チェーンの完全な再実装を必要とせず、標準的なLHC解析フレームワーク（例：ATLAS/CMS）への統合を可能にすること。
• 生成的アンフォールディングによるcINNが、特に高次元かつ相関のある観測量において、古典的手法を上回り、新物理の信号を検出する能力に優れることを示すこと。

提案手法

• 条件付き正規化フロー（cINN）を用いて生成的アンフォールディングを実行し、トップヒッグス系の静止フレームにおける検出器レベルのイベントを部分的レベルの運動的状態へマッピングする。
• ネットワークは標準模型（SM）イベントを用いて訓練され、再構築された運動的状態から真の運動的状態への逆写像を学習し、複雑な相関を保持する。
• cINNのベイズ的定式化により、良好にキャリブレートされた不確実性推定が可能となり、統計的妥当性とモデルの頑健性にとって不可欠となる。
• 位相空間は周期的スプラインを用いてパrameter化され、コリンズ・サッパー角のような角度観測量の滑らかで物理的に整合性のある再構築を保証する。
• この手法により、再構築された観測量を標準的な解析パイプラインに直接組み込むことが可能となり、アンフォールディングネットワークを運動的再構築アルゴリズムとして扱える。
• 感度は、アンフォールディングされた分布と部分的レベルの真値との間でカイ二乗検定を用いて評価され、モデル依存性はCP対称性の破れを示すサンプルを用いたクロストレーニングによってテストされる。

Figure 1 : Visualization of a modified coupling transformation for periodic inputs. This transformation maps $K$ points $x_{i}$ to $K$ points $y_{i}$ on a circle, while we use rational quadratics to interpolate between two points. The modifications ensure that the $x_{i}$ and $y_{i}$ can be arbitrar

実験結果

リサーチクエスチョン

• RQ1 cINNによる生成的アンフォールディングは、古典的手法よりも、最適な静止フレームにおけるCP観測量の再構築を、より高い忠実度で実現できるか？
• RQ2 トップヤクバイ結合のCP位相の文脈において、cINNでアンフォールディングされた観測量のCP対称性の破れに対する感度は、古典的に再構築された観測量と比較してどの程度優れているか？
• RQ3 アンフォールディング手法が、最適な感度に不可欠な完全な運動的相関構造をどの程度保持しているか？
• RQ4 SMのみのデータで訓練した場合に、CP対称性の破れを示すサンプルを解析する際、アンフォールディングネットワークはどの程度モデルの誤指定に対して頑健か？
• RQ5 ベイズ的cINNから得られる不確実性推定は、アンフォールディングプロセスにおけるシステム的バイアスを信頼性高く捉えられるか？

主な発見

• 生成的アンフォールディング手法により、トップヤクバイ結合におけるCP対称性の破れに対する感度が向上し、古典的手法と比較してより高いカイ二乗値が得られた。
• cINNでアンフォールディングされたSMイベントの分布は、部分的レベルの真値と極めて良好に一致しており、乖離はすべてベイズ的不確実性推定の範囲内に収まっている。
• 古典的手法は、コリンズ・サッパー角のような特定の観測量において、真の角度から大きく離れているにもかかわらず、性能が著しく劣っていることが示され、再構築バイアスが顕著に現れている。
• SMデータで訓練した場合にCP対称性の破れを示すサンプルに適用した際、モデル依存性はわずかに顕著であり、ベイズ的反復精錬によってこれを緩和可能である。
• 特に高次元位相空間において、アンフォールディングされた観測量は、元のCP位相の真の感度関係を古典的手法よりも優れて捉えている。
• 本研究では、cINNベースのアンフォールディングが、標準的なLHC解析フレームワークにスムーズに統合可能であり、物理的探査範囲の拡大に寄与することを示した。

Figure 2 : Fisher information $I$ for the linear CP-observables $\sin\Delta\phi_{AB}^{t\bar{t}}$ (blue) and $\mathcal{O}_{AB}$ (red), probing the sensitivity to $CP$ -violating phase $\alpha$ in $t\bar{t}h$ production.