[论文解读] Returning CP-Observables to The Frames They Belong

Jona Ackerschott, Rahool Kumar Barman+3 more|arXiv (Cornell University)|Jul 31, 2023

Particle physics theoretical and experimental studies参考文献 103被引用 4

一句话总结

该论文提出一种基于机器学习的展开方法，用于在最优运动学参考系中重建CP可观测量，利用条件归一化流（cINNs）概率性地将重建的探测器级事例映射回部分子参考系。该方法通过保留完整的运动学关联，增强了对顶夸克Yukawa耦合中CP破坏的敏感性，其在探测新物理信号方面优于经典重建方法。

ABSTRACT

Optimal kinematic observables are often defined in specific frames and then approximated at the reconstruction level. We show how multi-dimensional unfolding methods allow us to reconstruct these observables in their proper rest frame and in a probabilistically faithful way. We illustrate our approach with a measurement of a CP-phase in the top Yukawa coupling. Our method makes use of key advantages of generative unfolding, but as a constructed observable it fits into standard LHC analysis frameworks.

研究动机与目标

• 为解决在探测器级重建中运动学关联被扭曲时，如何重建定义在部分子参考系中的最优CP可观测量的挑战。
• 通过采用统计一致的展开方法保留完整的相空间关联，提高对顶夸克Yukawa耦合中CP破坏的敏感性。
• 实现此类可观测量与标准LHC分析框架（如ATLAS/CMS）的集成，而无需对分析链进行完整重实现。
• 证明通过cINNs进行生成式展开可优于经典重建方法，在探测新物理信号方面表现更优，尤其在高维、强关联的可观测量中。

提出的方法

• 该方法使用条件归一化流（cINNs）执行生成式展开，将探测器级事例映射回顶-希格斯系统静止参考系中的部分子级运动学。
• 网络在标准模型（SM）事例上进行训练，以学习从重建运动学到真实运动学的逆映射，从而保留复杂的关联结构。
• cINN的贝叶斯公式化实现提供了校准良好的不确定性估计，这对统计验证和模型鲁棒性至关重要。
• 相空间通过周期样条函数参数化，以确保对如Collins-Soper角等角可观测量的平滑且物理一致的重建。
• 该方法允许重构的可观测量直接用于标准分析流程，将展开网络视为一种运动学重建算法。
• 通过比较展开分布与部分子级真实分布的卡方检验评估敏感性，并通过在CP破坏样本上交叉训练测试模型依赖性。

Figure 1 : Visualization of a modified coupling transformation for periodic inputs. This transformation maps $K$ points $x_{i}$ to $K$ points $y_{i}$ on a circle, while we use rational quadratics to interpolate between two points. The modifications ensure that the $x_{i}$ and $y_{i}$ can be arbitrar

实验结果

研究问题

• RQ1 通过cINNs实现的生成式展开能否以比经典重建更高的保真度重建CP可观测量在最优静止参考系中的结果？
• RQ2 在顶夸克Yukawa耦合CP相位的背景下，展开可观测量对CP破坏的敏感性与经典重建可观测量相比如何？
• RQ3 该展开方法在多大程度上保留了实现最优敏感性所必需的完整运动学关联结构？
• RQ4 当在仅含SM数据上进行训练却用于分析CP破坏样本时，展开网络对模型误设的鲁棒性如何？
• RQ5 来自贝叶斯cINN的不确定性估计能否可靠地捕捉展开过程中的系统性偏差？

主要发现

• 生成式展开方法通过比经典重建更高的卡方值，证实了其对顶夸克Yukawa耦合中CP破坏的敏感性提升。
• SM事例经cINN展开后的分布与部分子级真实分布高度一致，偏差均在贝叶斯不确定性估计范围内。
• 经典重建在某些可观测量（尤其是Collins-Soper角）上表现欠佳，即使远离真实角度，也显示出明显的重建偏差。
• 当在SM数据上训练并在CP破坏样本上应用时，该方法仅表现出微小但显著的模型依赖性，可通过贝叶斯迭代优化加以缓解。
• 在高维相空间中，展开可观测量在捕捉底层CP相位的真实敏感性关系方面优于经典重建方法。
• 本研究证明，基于cINN的展开方法可无缝集成至标准LHC分析框架中，同时提升物理探测能力。

Figure 2 : Fisher information $I$ for the linear CP-observables $\sin\Delta\phi_{AB}^{t\bar{t}}$ (blue) and $\mathcal{O}_{AB}$ (red), probing the sensitivity to $CP$ -violating phase $\alpha$ in $t\bar{t}h$ production.