[论文解读] Efficiently Moving Instead of Reweighting Collider Events with Machine Learning

Radha Mastandrea, Benjamin Nachman|arXiv (Cornell University)|Dec 12, 2022

Anomaly Detection Techniques and Applications被引用 4

一句话总结

本文提出使用归一化流将对撞机物理事件从参考数据集形态变换为更匹配目标数据集的形式，而非依赖传统的重加权方法。研究发现，采用身份初始化和运动惩罚等训练策略可生成更忠实于最优传输的映射，显著提升了信号区域的保真度，优于双基方法。

ABSTRACT

There are many cases in collider physics and elsewhere where a calibration dataset is used to predict the known physics and / or noise of a target region of phase space. This calibration dataset usually cannot be used out-of-the-box but must be tweaked, often with conditional importance weights, to be maximally realistic. Using resonant anomaly detection as an example, we compare a number of alternative approaches based on transporting events with normalizing flows instead of reweighting them. We find that the accuracy of the morphed calibration dataset depends on the degree to which the transport task is set up to carry out optimal transport, which motivates future research into this area.

研究动机与目标

• 通过使用归一化流进行事件形态变换，替代传统重加权方法，以改进对撞机物理数据集的校准。
• 评估不同训练过程对形态变换后参考数据集匹配目标分布保真度的影响。
• 探究基于最优传输原理的形态变换是否能提升共振异常检测任务中的性能。
• 探索在形态变换过程中最小化事件移动是否能带来更准确、更真实的校准结果。

提出的方法

• 使用条件归一化流将事件从参考分布映射到目标分布，条件为共振质量变量 M。
• 比较四种训练策略：双基法（两个流分别映射到标准正态分布）、从基到数据（从参考到目标的流）、身份初始化（通过自映射进行迁移学习）、运动惩罚（对位移施加 L2 损失）。
• 使用二分类器评估形态变换保真度，通过测试目标数据与形态变换后的参考数据在信号区域是否可区分。
• 使用来自 LHC 2020 奥运会研发项目的 100 万背景事件和 10 万信号事件数据集进行流模型训练，激活函数为 ReLU，学习率采用余弦退火策略。
• 通过事后分类器的 ROC 曲线下面积量化性能，ROC 值接近 0.5 表示不可区分，即保真度高。
• 将形态变换函数应用于参考事件，并在不同相空间区域（边带区、信号区、外带区）评估结果分布与真实目标分布的一致性。

实验结果

研究问题

• RQ1 训练过程的选择如何影响对撞机物理校准中事件形态变换的保真度？
• RQ2 在支持重叠有限的情况下，通过归一化流进行形态变换是否能优于传统重加权方法以匹配目标分布？
• RQ3 运动惩罚与身份初始化在多大程度上能提升形态变换精度，使其更接近最优传输解？
• RQ4 双基法（通过标准正态分布间接传输）是否因间接传输而产生次优形态变换？
• RQ5 不同形态变换策略在信号区域中，能否有效保持形态变换后参考数据与真实目标之间的不可区分性？

主要发现

• 双基法在低质量外带区的 ROC 评分最低，为 0.630 ± 0.024，表明其与目标分布的不可区分性较差。
• 除双基法外，所有方法在信号区域的 ROC 评分均低于 0.51，表明保真度高，形态变换成功。
• 身份初始化与运动惩罚方法在信号区域的 ROC 评分分别为 0.508 ± 0.004 和 0.507 ± 0.002，显示极高的保真度。
• 从基到数据方法在信号区域的 ROC 评分为 0.503 ± 0.001，同样表现优异。
• 所有方法在边带区域均表现出良好保真度（ROC < 0.503），证实了对参考数据的有效训练。
• 双基法在外带区域性能显著下降，表明其在支持非重叠时无法有效保持分布相似性。