[논문 리뷰] A Universal Framework for Finding Anomalous Objects at the LHC

Amit Chakraborty, Abhishek M. Iyer외 1명|arXiv (Cornell University)|2017. 07. 22.

Particle physics theoretical and experimental studies참고 문헌 79인용 수 6

한 줄 요약

이 논문은 표준 재구성 기법을 회피하는 이례적인 물체를 LHC에서 탐지하기 위한 보편적이고 데이터 기반의 프레임워크를 제안한다. 사전에 정해진 수용률을 만족시키도록 표준 물체를 모두 제거하는 일련의 금지 조치를 적용함으로써, 모든 알려진 표준 물체를 제거한 후에도 최소한 하나의 분류되지 않은 물체를 포함하는 잔여 이벤트는 새로운 물리 현상의 후보가 되며, 이는 놀라운 현상에 대한 모델에 종속되지 않는 발견을 가능하게 한다.

ABSTRACT

Search for new physics events at the LHC mostly rely on the assumption that the events are characterized in terms of standard-reconstructed objects such as isolated photons, leptons, and jets initiated by QCD-partons. While such strategy works for a vast majority of physics beyond the standard model scenarios, there are examples aplenty where new physics give rise to anomalous objects (such as collimated and equally energetic particles, decays due to long lived particles etc.) in the detectors, which can not be classified as any of the standard-objects. Varied methods and search strategies have been proposed, each of which is trained and optimized for specific models, topologies, and model parameters. Further, as LHC keeps excluding all expected candidates for new physics, the need for a generic method/tool that is capable of finding the unexpected can not be understated. In this paper, we propose one such method that relies on the philosophy that all anomalous objects are $\it{not}$ standard-objects. The anomaly finder, we suggest, simply is a collection of vetoes that eliminate all standard-objects upto a pre-determined acceptance rate. Any event containing at least one anomalous object (that passes all these vetoes), can be identified as a candidate for new physics. Subsequent offline analyses can determine the nature of the anomalous object as well as of the event, paving a robust way to search for these new physics scenarios in a model-independent fashion. Further, since the method relies on learning only the standard-objects, for which control samples are readily available from data, one can build the analysis in an entirely data-driven way.

연구 동기 및 목표

• 고립된 광자, 레프톤, QCD 제트와 같은 표준 재구성 입자를 생성하지 않는 새로운 물리 현상을 탐지하는 데 증가하는 과제를 다루기 위해.
• 기존의 검색 전략은 특정 모델과 구조에 맞춰져 있어 놀라운 서명을 놓치는 한계를 극복하기 위해.
• 그들의 성질이나 기원에 대해 사전 가정 없이도 이례적인 물체를 식별할 수 있는 일반적이고 강력한 방법을 개발하기 위해.
• 데이터에 존재하는 표준 물체 제어 샘플만을 사용해 훈련함으로써 완전히 데이터 기반의 분석을 가능하게 하기 위해.
• 특히 전통적인 신호가 LHC에서 점점 더 배제되고 있는 상황에서, 모델에 종속되지 않는 방식으로 새로운 물리 현상을 발견할 수 있는 기반을 마련하기 위해.

제안 방법

• 이 방법은 표준 물체(예: 고립된 광자, 레프톤, QCD 제트 등)로 분류되지 않는 물체를 이례적인 물체로 정의한다.
• 이 물체들을 그들의 운동학적 및 위상적 성질에 기반해 체계적으로 제거하는 일련의 금지 조치를 구성한다.
• 표준 이벤트의 사전 정의된 수용률을 확보함으로써 신호 감도 손실를 최소화하도록 금지 조치를 조정한다.
• 모든 금지 조건을 통과한 이벤트는 적어도 하나의 이례적인 물체를 포함한다고 표시되며, 이는 새로운 물리 현상 후보로 간주된다.
• 이 프레임워크는 몬테카를로 시뮬레이션이나 이론적 모델에 의존하지 않고 오직 데이터 기반의 표준 물체 식별 훈련에 의존한다.
• 이후 오프라인 분석에서는 이례적인 물체의 특성과 이벤트 위상도를 분석해 그 기원을 규명할 수 있다.

실험 결과

연구 질문

• RQ1 표준 재구성 범주에 맞지 않는 이례적인 물체를 탐지할 수 있는 일반적이고 모델에 종속되지 않는 방법이 가능한가?
• RQ2 데이터 기반 접근 방식은 알 수 없는 또는 놀라운 물리 서명을 가진 이벤트를 효과적으로 식별할 수 있는가?
• RQ3 금지 기반 프레임워크는 표준 모델 배경을 제거하면서도 신규 물리 현상에 대한 감도를 어느 정도 유지할 수 있는가?
• RQ4 이러한 방법은 이론적 모델이나 시뮬레이션된 신호 샘플에 의존하지 않고도 구현될 수 있는가?
• RQ5 이 프레임워크는 표준 이벤트의 수용률을 제어하면서도 이례성에 대한 감도를 최대화할 수 있도록 어떻게 校정할 수 있는가?

주요 결과

• 제안된 프레임워크는 표준 재구성에 회피되는 이례적인 물체, 예를 들어 뭉쳐진, 에너지가 동일한 입자 또는 장수 입자에서 유래한 서명을 탐지할 수 있다.
• 표준 물체 식별의 오직 데이터 기반 훈련에 의존함으로써, 이 방법은 모델 의존성을 피하고 이론적 불확실성을 감소시킨다.
• 금지 조치 이후 분류되지 않은 물체를 포함하는 이벤트를 유지함으로써, 이 방법은 높은 새로운 물리 현상 감도를 유지한다.
• 이 방법은 기초 물리 모델에 대한 사전 가정 없이도 놀라운 현상을 체계적으로 탐색할 수 있는 강력한 방법을 제공한다.
• 이 프레임워크는 확장 가능하며, 최소한의 수정으로 LHC 분석에 적용 가능해 향후 데이터 기반의 발견을 지원한다.
• 금지 기반 전략은 배경률을 캘리브레이션된 수용률 기준으로 제어하면서도 분석이 새로운 물리 현상에 민감하게 유지되도록 보장한다.