[论文解读] The Mass-ive Issue: Anomaly Detection in Jet Physics

T. Golling, T. Nobe+9 more|arXiv (Cornell University)|Mar 24, 2023

Anomaly Detection Techniques and Applications被引用 5

一句话总结

本文研究了在高能物理中使用变分自编码器（VAEs）进行异常检测时喷射粒子质量偏差这一关键挑战。研究证明，常见的异常度量指标（如MSE和kNN）与喷射粒子质量强烈相关，导致人为的质量塑形，从而扭曲背景拒绝能力并损害信号检测——凸显了在模型无关的新物理搜索中采用质量鲁棒指标的必要性。

ABSTRACT

In the hunt for new and unobserved phenomena in particle physics, attention has turned in recent years to using advanced machine learning techniques for model independent searches. In this paper we highlight the main challenge of applying anomaly detection to jet physics, where preserving an unbiased estimator of the jet mass remains a critical piece of any model independent search. Using Variational Autoencoders and multiple industry-standard anomaly detection metrics, we demonstrate the unavoidable nature of this problem.

研究动机与目标

• 解决喷射粒子物理无监督异常检测中的喷射粒子质量偏差这一关键问题。
• 评估多种异常检测度量指标（如MSE、kNN、EMD）在保持无偏喷射粒子质量分布方面的能力。
• 识别在最小化QCD背景中人为质量塑形的同时，仍能保持高信号接受度的度量指标。
• 研究在不同名义训练分布下（包括顶夸克等重信号）异常检测的鲁棒性。
• 为高能物理中异常检测方法的公平比较建立基准标准。

提出的方法

• 使用20个最能量动量的喷射粒子成分作为输入，将模拟的QCD喷射粒子表示为4-动量点云，训练变分自编码器（VAEs）。
• 应用预处理步骤，包括中心化、旋转和按喷射粒子横动量归一化，以减少自由度并提高不变性。
• 采用基于信息瓶颈的三部分损失函数：重建损失、潜在空间正则化项和互信息最小化。
• 在输入空间和潜在空间中，使用多种度量指标评估异常得分：均方误差（MSE）、k-最近邻（kNN）和地球移动距离（EMD）。
• 通过相对熵量化质量塑形，并使用背景拒绝率与信号接受率评估性能。
• 通过在顶夸克上重新训练模型，并评估QCD和隐形玻色子信号的异常得分，开展鲁棒性测试。

Figure 1: Model architecture used for jet reconstruction and anomaly detection. The autoencoder networks are highlighted in the blue dashed box, with the input and reconstructed output, $\mathrm{x}$ and $\mathrm{\hat{x}}$ , shown in light red. The latent space distribution, $\mathrm{z}$ , is represe

实验结果

研究问题

• RQ1 不同异常检测度量指标如何影响QCD背景中重建的喷射粒子质量分布？
• RQ2 异常得分与喷射粒子质量的相关性有多大？这种相关性如何影响模型无关搜索中的信号检测？
• RQ3 当模型在重信号（如顶夸克）而非QCD上进行训练时，异常检测度量指标是否仍保持鲁棒？
• RQ4 哪些度量指标能在最小化人为质量塑形的同时，保持对多样化新物理模型的高信号接受度？
• RQ5 如何约束潜在空间以使其与喷射粒子质量解耦，从而提升检测的公平性？

主要发现

• MSE和kNN异常度量指标与喷射粒子质量呈强烈正相关，导致背景分布中出现显著的质量塑形。
• kNN在质量塑形方面表现较差，而EMD表现出最小的失真，因此更适合无偏异常检测。
• MSE在训练数据为顶夸克或QCD时几乎保持不变，表明其对喷射粒子质量与动量结构高度敏感。
• 基于MSE的异常得分与喷射粒子横动量呈负相关，进一步证实其对喷射粒子动量结构的依赖性。
• 在顶夸克等重信号上进行训练会导致这些信号被误判为异常性较低，从而削弱检测的鲁棒性。
• 本研究识别出在潜在空间中实施去相关技术的迫切需求，以将异常检测与喷射粒子质量解耦，确保公平的信号发现。

Figure 2: Average distribution of momentum within a jet in the $\eta-\phi$ plane for the four particles considered in this paper after applying preprocessing. From left to right: QCD, Top, StealthB(80) and StealthB(400). The intensity corresponds to $p_{\mathrm{T}}$ fraction of the jet.