[논문 리뷰] LLPNet: Graph Autoencoder for Triggering Light Long-Lived Particles at HL-LHC

Biplob Bhattacherjee, Partha Konar외 2명|arXiv (Cornell University)|2023. 08. 25.

Particle physics theoretical and experimental studies인용 수 4

한 줄 요약

이 논문은 HL-LHC에서 경량 장수입자(LLP)가 분해하여 생성하는 이격된 제트를 탐지하기 위해 L1 재구성 트랙에 대해 엣지 컨볼루션을 사용하는 경량 그래프 오토에인드코더인 LLPNet을 제안한다. 30 kHz 배경률에서 33–80%의 신호 효율을 달성하며, 저질량의 LLP가 제트로 분해되는 L1 트리거링의 실현 가능성을 입증한다.

ABSTRACT

In the search for exotic events involving displaced particles at HL-LHC, the triggering at the level-1 (L1) system will pose a significant challenge. This is particularly relevant in scenarios where low mass long-lived particles (LLPs) are coupled to a Standard Model (SM)-like 125 GeV Higgs boson and they decay into jets. The complexity arises from the low hadronic activity resulting from LLP decay, and the existing triggers' inability to efficiently select displaced events. This study introduces a novel machine learning approach to address this challenge, utilizing a lightweight autoencoder architecture designed for low latency requirements at L1. Focusing on light LLPs with decay lengths ranging from 1 to 100 cm, this approach employs "Edge convolution" on L1 reconstructed tracks. The results show notable signal acceptance at the permissible background rate, primarily originating from minimum bias and QCD di-jet events. For LLPs of mass 10, 30, and 50 GeV at decay length of 5 cm, the signal efficiencies are 33%, 70%, and 80%, respectively. At a 50 cm decay length, these efficiencies are 20%, 39%, and 45% for the same respective masses.

연구 동기 및 목표

• HL-LHC의 레벨-1(L1) 트리거 시스템에서 경량 장수입자(LLP)의 이격된 서명을 트리거링하는 과제를 해결한다.
• LLP 분해에서 발생하는 저다중도, 저핵력 활동 이벤트를 포착하는 데에 표준 트리거(예: H_T, PUPPI)의 비효율성을 극복한다.
• 저지연, FPGA 호환 가능한 기계학습 솔루션을 개발하여, 최대 140개의 상호작용이 한 크로스링크에 발생하는 고중첩 조건에서도 실시간 처리에 적합한 L1에서의 처리에 적합하다.
• 질량 10–50 GeV, 이격 길이 1–100 cm인 LLP를 탐지할 수 있도록 하며, 특히 힉스 보존의 비가시 또는 제트 최종 상태로의 붕괴에서 유래하는 이들을 대상으로 한다.
• 배경률을 30 kHz 이하로 유지하면서도 신호 수용률을 최적화하여 L1 트리거의 확장성에 중요한 기준을 충족시킨다.

제안 방법

• 계산 부담을 줄이기 위해 k-최근접 이웃 대신 반경 기반 그래프 구축 방법을 사용하여 L1 재구성 트랙에서 이벤트 수준의 포인트 클라우드 그래프를 구성한다.
• 트랙의 공간적 및 운동학적 특징(예: 수평 영향 매개변수 및 운동량 포함)을 노드 및 엣지 특징으로 인코딩하기 위해 엣지 컨볼루션 레이어를 적용한다.
• 입력 포인트 클라우드를 재구성하는 경량 그래프 오토에인드코더를 훈련시켜 이격 제트의 위상적 구조를 포착하는 압축된 잠재 표현을 학습한다.
• 이상 탐지 기법을 사용: 신호 이벤트(이격 제트)에서는 재구성 오차가 낮고, 배경(민바이어스 및 QCD 이제트)에서는 높은 오차를 보이며 희귀 이벤트를 식별한다.
• 기울기 부스팅 회귀분석기를 사용하여 그래프 반경과 잠재공간 차원에 대한 초모수 튜닝을 수행하여, 다양한 LLP 질량과 이격 길이에 대응하는 최적의 작동점(WP)을 식별한다.
• 스티칭 방법을 사용하여 배경률을 계산하며, QCD 이제트 배경을 다수의 p_T^gen 구간으로 분할하여 위상공간 겹침을 고려한다.

Figure 1 : Number of edges in a graph for minbias events, constructed by considering neighbors within a specific radius ( $r_{G}$ ) or by selecting a fixed number of neighbors using the $k$ -nearest neighbors method.

실험 결과

연구 질문

• RQ1 낮은 핵력 활동과 고중첩 조건에서도 L1 트리거 수준에서 경량 그래프 오토에인드코더가 경량 장수입자(LLP)에서 유래하는 이격 제트를 효과적으로 탐지할 수 있는가?
• RQ2 그래프 구축 방법의 선택(반경 대비 k-최근접 이웃)이 L1 환경에서 성능과 계산 효율성에 어떤 영향을 미치는가?
• RQ3 이격 길이가 1–100 cm이고 질량이 10, 30, 50 GeV인 LLP에 대해 배경률이 30 kHz 이하일 때 어떤 정도의 신호 효율을 달성할 수 있는가?
• RQ4 다양한 이격 길이와 질량에서, 신호 이벤트와 주요 배경(민바이어스 및 QCD 이제트) 간의 재구성 오차 분포는 어떻게 다른가?
• RQ5 신호 효율과 AUC를 최대화하기 위해 최적의 초모수(그래프 반경 및 잠재 차원)는 무엇이며, 다양한 LLP 기준점에서 어떻게 달라지는가?

주요 결과

• 질량 10 GeV, 이격 길이 5 cm인 LLP에 대해, WP-1를 사용할 경우 배경률 30 kHz에서 33%의 신호 효율을 달성한다.
• 30 GeV의 LLP가 5 cm 이격 길이일 경우 동일한 배경 기준에서 70%의 효율을 기록하며, 50 GeV의 LLP는 80%의 효율을 달성한다.
• 더 긴 이격 길이 50 cm일 경우, 각각 10, 30, 50 GeV의 LLP에 대해 신호 효율은 WP-2 하에서 20%, 39%, 45%로 감소한다.
• 최적의 그래프 반경과 잠재공간 차원은 LLP 질량과 이격 길이에 따라 달라지며, 최대 AUC 값은 특정 조합에서 관찰되며 예를 들어 WP-2에서 r_G=0.9, n_lat=6일 경우이다.
• ROC 곡선은 신호와 배경 간 명확한 분리가 이루어지며, 민바이어스 및 QCD 이제트에 비해 LLP 이벤트의 이상도 점수가 크게 증가한다.
• 이격 길이 1–100 cm 전역에서 높은 성능를 유지하며, 긴 이격 길이에서 효율이 감소함에도 불구하고 다양한 이격 스케일에 대해 강건함을 입증한다.

Figure 2 : The figure shows a schematic diagram of LLPNet , with latent node dimensions $n_{lat}$ .