機械学習が大型ハドロン衝突型加速器のデータから未発見の粒子を発見するのに役立つ可能性(Machine learning could help reveal undiscovered particles within data from the Large Hadron Collider)

ad

2024-04-15 アルゴンヌ国立研究所(ANL)

科学者たちは、大規模な粒子衝突データを解析するために、機械学習アルゴリズムを使用しました。この手法は、標準模型に含まれない未知の粒子の証拠を探すためにATLAS実験のデータに初めて適用されました。ニューラルネットワークは標準模型に従う典型的な事象を認識し、異常を検出することで新しい興味深い事象を見つける手がかりを提供しました。

<関連情報>

ATLAS検出器による√s=13 TeVでの異常検出のための教師なし機械学習を用いた二体不変質量分布における新現象の探索 Search for New Phenomena in Two-Body Invariant Mass Distributions Using Unsupervised Machine Learning for Anomaly Detection at √s=13  TeV with the ATLAS Detector

G. Aad et al. (ATLAS Collaboration)
Physical Review Letters  Published:20 February 2024
DOI:https://doi.org/10.1103/PhysRevLett.132.081801

機械学習が大型ハドロン衝突型加速器のデータから未発見の粒子を発見するのに役立つ可能性(Machine learning could help reveal undiscovered particles within data from the Large Hadron Collider)

ABSTRACT

Searches for new resonances are performed using an unsupervised anomaly-detection technique. Events with at least one electron or muon are selected from 140  fb−1 of pp collisions at √s=13  TeV recorded by ATLAS at the Large Hadron Collider. The approach involves training an autoencoder on data, and subsequently defining anomalous regions based on the reconstruction loss of the decoder. Studies focus on nine invariant mass spectra that contain pairs of objects consisting of one light jet or b jet and either one lepton (e,μ), photon, or second light jet or b jet in the anomalous regions. No significant deviations from the background hypotheses are observed. Limits on contributions from generic Gaussian signals with various widths of the resonance mass are obtained for nine invariant masses in the anomalous regions.

1701物理及び化学
ad
ad
Follow
ad
タイトルとURLをコピーしました