[论文解读] Learning Multivariate New Physics

Raffaele Tito D’Agnolo, G. Grosso+3 more|arXiv (Cornell University)|Dec 27, 2019

Particle physics theoretical and experimental studies参考文献 72被引用 13

一句话总结

该论文提出了一种基于多层感知机的方法，用于在高能物理数据集中检测相对于参考模型（如标准模型）的小型多变量偏差，而无需假设特定的新物理信号。该方法在大型强子对撞机（LHC）的二Muon末态中识别出细微的差异，对共振态 $Z'$ 和非共振接触相互作用均表现出敏感性，同时对可能引发假阳性结果的系统性错误建模保持稳健。

ABSTRACT

We discuss a method that employs a multilayer perceptron to detect deviations from a reference model in large multivariate datasets. Our data analysis strategy does not rely on any prior assumption on the nature of the deviation. It is designed to be sensitive to small discrepancies that arise in datasets dominated by the reference model. The main conceptual building blocks were introduced in Ref. [1]. Here we make decisive progress in the algorithm implementation and we demonstrate its applicability to problems in high energy physics. We show that the method is sensitive to putative new physics signals in di-muon final states at the LHC. We also compare our performances on toy problems with the ones of alternative methods proposed in the literature.

研究动机与目标

• 开发一种与模型无关的方法，用于检测高能物理数据集中相对于参考模型的小型多变量偏差。
• 解决在参考模型（如标准模型或 $\Lambda$CDM）拟合良好但主导数据的情况下，检测稀有或局部偏差的挑战。
• 实现对传统分箱似然方法无法捕捉的新物理信号的检测，这些信号因非偏差区域中占主导的泊松涨落而被抑制。
• 量化该方法对LHC二Muon数据中共振态（$Z' \to \mu^+\mu^-$）和非共振态（四费米子接触相互作用）新物理信号的敏感性。
• 评估参考样本中的系统性不确定性（特别是μ子动量标度错误建模）对该方法性能及错误率的影响。

提出的方法

• 该方法采用多层感知机（MLP）作为多维函数逼近器，以学习物理可观测量空间中参考模型的概率密度。
• MLP在与标准模型（或另一基准模型）预测分布匹配的参考数据集上进行训练，使用模拟数据或控制区域数据。
• 基于MLP的输出评分构建检验统计量，比较数据在参考模型与备择假设下的似然性。
• 通过识别可观测量空间中数据显著偏离参考模型预测的区域，检测偏差，即使这些偏差仅影响极少数事件。
• 该方法设计为对非偏差区域的泊松涨落不敏感，避免了传统分箱方法中常见的信号抑制问题。
• 参考样本中的系统性不确定性被处理为干扰参数，未来工作预计将在分析框架中正式纳入这些因素。

实验结果

研究问题

• RQ1 基于神经网络的方法是否能在不假设特定新物理信号的情况下，检测高能物理数据集中相对于参考模型的小型多变量偏差？
• RQ2 该方法在LHC二Muon末态中检测 $Z' \to \mu^+\mu^-$ 共振态和非共振接触相互作用的性能如何？
• RQ3 参考样本中的系统性误差（如μ子动量标度校准错误）在多大程度上影响该方法区分真实新物理与背景建模错误的能力？
• RQ4 在模拟问题中，该方法与替代的与模型无关的异常检测技术相比，敏感性如何？
• RQ5 参考样本的错误建模是否会导致假阳性结果？是否会掩盖或增强真实的物理新信号？

主要发现

• 当使用无偏参考样本测试时，该方法成功检测到 $Z' \to \mu^+\mu^-$ 信号，显著性约为10σ，但在0.5%动量标度错误校准下降低至4σ。
• 对于由四费米子接触相互作用引起的非共振信号（$c_W = 10^{-6}\,\text{TeV}^{-2}$），该方法表现出可测量的敏感性，证实其检测非共振新物理的能力。
• 当μ子动量标度的参考样本错误建模水平为0.1%时，未触发显著响应，表明对小系统性误差具有鲁棒性。
• 较大的错误校准（±0.5%）导致检验统计量上升且p值降低，表明系统性误差可能引发假阳性（第一类错误）。
• 当存在真实的新物理信号时，参考样本的系统性错误建模会增强观测显著性，意味着该方法不会产生假阴性，甚至可能提高信号可见度。
• 在检测小型、局部偏差方面，该方法优于传统分箱似然方法，因其避免了非偏差区域泊松涨落导致的信号抑制。