[論文レビュー] The Mass-ive Issue: Anomaly Detection in Jet Physics

T. Golling, T. Nobe+9 more|arXiv (Cornell University)|Mar 24, 2023

Anomaly Detection Techniques and Applications被引用数 5

ひとこと要約

本論文は、高エネルギー物理学における異常検出の文脈で、変分オートエンコーダー（VAEs）を用いたジェット質量バイアスの重要な課題を調査する。MSE や kNN といった一般的な異常度指標がジェット質量と強く相関しており、背景の拒否性能を歪め、信号検出を損なう人工的な質量形状の形成を引き起こすことが示された。これは、モデルに依存しない新物理探索において質量に頑健な指標の必要性を浮き彫りにしている。

ABSTRACT

In the hunt for new and unobserved phenomena in particle physics, attention has turned in recent years to using advanced machine learning techniques for model independent searches. In this paper we highlight the main challenge of applying anomaly detection to jet physics, where preserving an unbiased estimator of the jet mass remains a critical piece of any model independent search. Using Variational Autoencoders and multiple industry-standard anomaly detection metrics, we demonstrate the unavoidable nature of this problem.

研究の動機と目的

• ジェット物理学における教師なし異常検出におけるジェット質量バイアスという重要な問題に対処すること。
• MSE や kNN、EMD などの複数の異常検出指標が、偏りのないジェット質量分布をどの程度維持できるかを評価すること。
• QCD背景における人工的な質量形状を最小限に抑えるとともに、高い信号受容率を維持できる指標を同定すること。
• トポロジカルな信号（例：トップクォーク）を含む、さまざまな名目訓練分布における異常検出の頑健性を調査すること。
• 高エネルギー物理学における異常検出手法の公正な比較のためのベンチマーク基準を確立すること。

提案手法

• 20個のエネルギーの高い成分を入力として、4運動量の点群として表現された、シミュレートされた QCD ジェットに変分オートエンコーダー（VAEs）を訓練した。
• 自由度を低減し、不変性を向上させるために、センター化、回転、ジェット横断的運動量による正規化を含む前処理を実施した。
• 情報ボトルネックに基づく3部構成の損失関数を用いた：再構成損失、潜在空間正則化項、相互情報量最小化。
• 入力空間および潜在空間における、平均二乗誤差（MSE）、k-近傍法（kNN）、および地球移動距離（EMD）の複数の指標を用いて異常度スコアを評価した。
• 相対エントロピーを用いて質量形状の歪みを定量化し、背景拒否率と信号受容率を用いて性能を評価した。
• トップクォークで再訓練し、QCD およびステルスボソン信号の異常度スコアを評価することで、頑健性テストを実施した。

Figure 1: Model architecture used for jet reconstruction and anomaly detection. The autoencoder networks are highlighted in the blue dashed box, with the input and reconstructed output, $\mathrm{x}$ and $\mathrm{\hat{x}}$ , shown in light red. The latent space distribution, $\mathrm{z}$ , is represe

実験結果

リサーチクエスチョン

• RQ1 異なる異常検出指標は、QCD 背景における再構成ジェット質量分布にどのように影響を与えるか？
• RQ2 異常度スコアがジェット質量とどの程度相関しているか、そしてその相関がモデルに依存しない探索における信号検出にどのように影響を与えるか？
• RQ3 質量を持つ信号（例：トップクォーク）で訓練した場合、異常検出指標は頑健に保たれるか？
• RQ4 どのような指標が、多様な新物理モデルに対して高い信号受容率を維持しながら、人工的な質量形状を最小限に抑えるか？
• RQ5 潜在空間をどのように制約すれば、ジェット質量から非相関化させ、検出の公平性を向上させられるか？

主な発見

• MSE および kNN 異常度指標はジェット質量と強く正の相関を示し、背景分布における顕著な質量形状の歪みを引き起こしている。
• kNN は質量形状の歪みに対して著しく劣っているが、EMD は歪みが最小限で、より偏りのない異常検出に適している。
• MSE は、トップクォークまたは QCD で訓練した場合でもほぼ変化せず、ジェット質量および運動量構造に極めて感受性が高いことが示された。
• MSE に基づく異常度スコアは、ジェット横断的運動量と反比例しており、ジェット運動量構造に強く依存していることがさらに裏付けられた。
• トップクォークのような質量を持つ信号で訓練すると、その信号自体が異常度が低いと誤って分類され、検出の頑健性が損なわれる。
• 本研究では、異常検出をジェット質量から分離するための非相関化技術を潜在空間に導入する必要性が顕在化された。これにより、公平な信号発見が可能になる。

Figure 2: Average distribution of momentum within a jet in the $\eta-\phi$ plane for the four particles considered in this paper after applying preprocessing. From left to right: QCD, Top, StealthB(80) and StealthB(400). The intensity corresponds to $p_{\mathrm{T}}$ fraction of the jet.