[论文解读] Anomaly Detection for Physics Analysis and Less than Supervised Learning

Benjamin Nachman|arXiv (Cornell University)|Oct 27, 2020

Computational Physics and Python Applications被引用 4

一句话总结

本文提出基于机器学习的高能物理（HEP）异常检测方法，减少对预定义信号与背景模型的依赖，实现对新物理更敏感、模型无关的搜索。提出CWoLa与ANODE等新方法，可直接从数据中学习，无需事先进行信号模拟，即在二胶球末态中对新粒子产生设定强约束，标志着HEP向数据驱动发现的转变。

ABSTRACT

Modern machine learning tools offer exciting possibilities to qualitatively change the paradigm for new particle searches. In particular, new methods can broaden the search program by gaining sensitivity to unforeseen scenarios by learning directly from data. There has been a significant growth in new ideas and they are just starting to be applied to experimental data. This chapter introduces these new anomaly detection methods, which range from fully supervised algorithms to unsupervised, and include weakly supervised methods.

研究动机与目标

• 开发在高能物理中对预定义信号与背景模型依赖性更低的异常检测方法。
• 通过直接从数据中学习，即使在信号模型未知或难以模拟的情况下，实现对新物理的敏感搜索。
• 在检验统计量选择与背景校准中减少模型依赖，提升鲁棒性，并扩大新物理搜索的适用范围。
• 通过真实对撞机数据验证，证明数据驱动异常检测的可行性，推动超越仅依赖模拟验证的范式。

提出的方法

• 使用弱监督与无监督机器学习技术，如CWoLa（无标签分类）与ANODE（基于密度估计的异常检测），识别与预期背景的偏差。
• 在多维特征空间中进行密度估计，以建模背景分布，而无需完整的信号模拟。
• 应用基于似然比的检验统计量，并通过神经网络进行优化，实现在不假设特定信号模型下的最优灵敏度。
• 利用数据驱动的密度估计与边带方法进行p值校准，无需依赖蒙特卡洛模拟来估算背景。
• 训练约10^4个神经网络，为每个注入的信号模型重新训练分类器，实现对多种信号假设的灵敏度扫描。
• 在二维特征空间中可视化分类器输出，以证明模型能自动识别信号区域，提升可解释性与验证能力。

实验结果

研究问题

• RQ1 基于机器学习的异常检测方法是否能在不依赖详细信号模型的情况下实现对新物理的灵敏度？
• RQ2 在缺乏完整蒙特卡洛模拟的情况下，如何利用数据驱动的密度估计校准背景p值？
• RQ3 弱监督方法如CWoLa在复杂末态（如具有密集衰变产物的二胶球）中检测新物理的能力如何？
• RQ4 与传统依赖模型的搜索相比，模型无关异常检测在新物理发现能力上的表现如何？
• RQ5 在真实对撞机数据中应用这些方法时，面临哪些计算与方法论挑战？

主要发现

• ATLAS首次成功实施了基于CWoLa方法的数据驱动异常检测搜索，展示了在二胶球末态中自动识别信号的能力。
• 基于CWoLa的分析在某些信号模型下实现了对新物理产生截面最强的限制，优于传统方法在特定场景下的表现。
• 尽管未发现新粒子，该研究验证了使用真实数据进行模型无关异常检测的可行性，标志着高能物理领域的重要里程碑。
• 该方法需训练约10^4个神经网络以覆盖不同信号质量与强度，凸显了此类方法的计算成本。
• 分类器输出的可视化结果证实，即使在训练阶段未预先注入信号，模型也能自动识别出类似信号的区域。
• 为推动方法的进一步发展与基准测试，建立了LHC Olympics 2020数据挑战，旨在真实混合模拟环境中推进这些技术。