Triggering Dark Showers with Conditional Dual Auto-Encoders

要約

我々は、コライダーでの汎用かつモデルに依存しない新しい物理検索のための条件付きデュアル オート エンコーダー (CoDAE) ファミリーを紹介します。
新しいタイプの粒子や相互作用から生じる新しい物理信号は、私たちの研究では、予想されるバックグラウンドイベントに関してデータの偏差を引き起こす異常であると考えられています。
この研究では、バックグラウンド サンプルのみを使用する正常のみの異常検出を実行し、大きくて非常にまばらな生の検出器画像上で強い力を適用する (変分) オート エンコーダのダーク バージョンの兆候を検索します。
物理ベースの前処理や信号に対する強い仮定を活用します。
提案された CoDAE はデュアル エンコーダー設計を備えており、これは一般的であり、空間調整を通じて補助的でありながらコンパクトな潜在空間を学習でき、競合する物理ベースのベースラインや関連アプローチと比べてきちんとした改善を示しており、したがって完全教師モデルとのギャップも縮小しています。
教師なしモデルが複数のダークシャワーモデルに対して優れた識別を示すことが初めて示され、この方法が、たとえば、リアルタイムイベントトリガーシステムなどに導入するための、正確で高速なモデルに依存しないアルゴリズムとして適切であることが示されています。
ATLASやCMSなどの大型ハドロン衝突型加速器実験。

要約(オリジナル)

We present a family of conditional dual auto-encoders (CoDAEs) for generic and model-independent new physics searches at colliders. New physics signals, which arise from new types of particles and interactions, are considered in our study as anomalies causing deviations in data with respect to expected background events. In this work, we perform a normal-only anomaly detection, which employs only background samples, to search for manifestations of a dark version of strong force applying (variational) auto-encoders on raw detector images, which are large and highly sparse, without leveraging any physics-based pre-processing or strong assumption on the signals. The proposed CoDAE has a dual-encoder design, which is general and can learn an auxiliary yet compact latent space through spatial conditioning, showing a neat improvement over competitive physics-based baselines and related approaches, therefore also reducing the gap with fully supervised models. It is the first time an unsupervised model is shown to exhibit excellent discrimination against multiple dark shower models, illustrating the suitability of this method as an accurate, fast, model-independent algorithm to deploy, e.g., in the real-time event triggering systems of Large Hadron Collider experiments such as ATLAS and CMS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google