[论文解读] Machine Learning approach to boosting neutral particles identification in the LHCb calorimeter

A. S. Boldyrev, V. Chekalina+1 more|arXiv (Cornell University)|Dec 18, 2019

Particle physics theoretical and experimental studies参考文献 2被引用 1

一句话总结

该论文提出一种机器学习方法，以提升大型强子对撞机底夸克实验（LHCb）电磁 calorimeter（ECAL）中对喷射的中性粒子——特别是光子与合并的中性π⁰粒子——的识别能力。通过使用5×5 ECAL与预闪烁（PS）单元窗口内的原始能量沉积作为输入特征，并训练基于XGBoost的分类器，该方法在保持98%光子识别效率的同时，将误识率从60%降低至30%，且能量依赖性可忽略不计，曲线下面积（ROC AUC）达到0.97。

ABSTRACT

We present a new approach to identification of boosted neutral particles using Electromagnetic Calorimeter (ECAL) of the LHCb detector. The identification of photons and neutral pions is currently based on the geometric parameters which characterise the expected shape of energy deposition in the calorimeter. This allows to distinguish single photons in the electromagnetic calorimeter from overlapping photons produced from high momentum $\pi^0$ decays. The novel approach proposed here is based on applying machine learning techniques to primary calorimeter information, that are energies collected in individual cells around the energy cluster. This method allows to improve separation performance of photons and neutral pions and has no significant energy dependence.

研究动机与目标

• 为提升LHCb ECAL中高动量光子与合并中性π⁰的分离能力，以解决因能量簇重叠导致的误识别问题。
• 开发一种机器学习模型，仅使用ECAL与预闪烁（PS）单元的原始能量沉积作为输入，避免依赖物理启发的特征工程。
• 实现一种能量依赖性极小的分类方法，以减少物理分析中的系统误差。
• 在蒙特卡洛模拟上验证该方法，并利用B⁰ → Kπγ和B⁰ → Kππ⁰衰变的真实数据样本进行性能标定。
• 通过解决输入变量在蒙特卡洛与真实数据之间的差异，确保训练好的模型能可靠地从模拟迁移到真实数据。

提出的方法

• 该方法使用以簇种子为中心的5×5 ECAL与PS单元原始能量沉积窗口作为输入特征，共50个特征。
• 使用XGBoost分类器对这些原始能量值进行训练，以区分单个光子与合并的π⁰衰变。
• 通过ModelGym进行超参数调优，采用XGBoost默认设置：6000棵树，最大深度3，初始学习率0.05，最小子样本权重2。
• 通过不同横向能量（ET）区间内的ROC曲线与效率分布评估性能。
• 使用真实数据样本进行标定：B⁰ → Kπγ用于光子，B⁰ → Kππ⁰（通过J/ψ → μ⁺μ⁻）用于π⁰，以确保动量与信号事件相似。
• 将该方法与基于形状的基线方法进行比较，后者使用几何簇特征，两种方法均在蒙特卡洛样本和真实数据标定中进行评估。

实验结果

研究问题

• RQ1 基于原始ECAL与PS能量沉积训练的机器学习模型，是否能在区分光子与合并π⁰方面优于传统的基于形状的方法？
• RQ2 所提出的机器学习方法是否表现出可忽略的能量依赖性，从而降低物理分析中的系统误差？
• RQ3 在蒙特卡洛模拟上训练的模型应用于真实数据时表现如何？是否需要额外标定以确保无偏性能？
• RQ4 仅使用原始能量沉积、不依赖物理特征的简单、特征无关方法，是否能实现优于物理启发几何特征的区分能力？
• RQ5 该任务的最优分类器架构（如XGBoost与神经网络）为何？不同提升算法之间性能如何比较？

主要发现

• 新提出的基于XGBoost的方法曲线下面积（ROC AUC）达到0.97，显著优于基线形状方法的0.89，表明区分性能有显著提升。
• 在98%光子识别效率下，π⁰被误识为光子的误识率从约60%降低至30%，性能显著改善。
• 新方法在不同横向能量（ET）区间内表现出平坦的效率分布，表明能量依赖性可忽略，这对最小化系统误差至关重要。
• 在测试的各类分类器中，XGBoost优于神经网络结构，特别是3–4层隐藏层的网络，因特征复杂度不足导致性能下降。
• 该方法在真实数据样本（包括B⁰ → Kπγ和B⁰ → J/ψK* → Kππ⁰）上标定后表现出鲁棒性，证实其适用于真实世界条件。
• 使用原始能量沉积而无需物理启发特征工程，使模型更具泛化能力与可迁移性，适用于未来中性粒子识别流程的集成。