We assess the coverage properties of confidence and credible intervals on the CMSSM parameter space inferred from a Bayesian posterior and the profile likelihood based on an ATLAS sensitivity study. In order to make those calculations feasible, we introduce a new method based on neural networks to approximate the mapping between CMSSM parameters and weak-scale particle masses. Our method reduces the computational effort needed to sample the CMSSM parameter space by a factor of ~ 10^4 with respect to conventional techniques. We find that both the Bayesian posterior and the profile likelihood intervals can significantly over-cover and identify the origin of this effect to physical boundaries in the parameter space. Finally, we point out that the effects intrinsic to the statistical procedure are conflated with simplifications to the likelihood functions from the experiments themselves.
Efficient reconstruction of CMSSM parameters from LHC data - A case study
我们提出了一个有效的方法重建的参数的约束MSSM从假设未来的LHC数据，适用于自己的权利，并结合宇宙学测定的遗迹暗物质丰度。聚焦于ATLAS SU 3基准点，我们证明了我们的简单高斯近似可以很好地恢复其参数的值。我们检查两个流行的非信息先验，并获得非常相似的结果，虽然当我们使用一个信息丰富，自然动机的先验，我们发现一些相当大的差异。我们表明，在重建SU 3参数的进一步强大的改善可以通过应用额外的信息，在WMAP的精度水平的遗物丰度，虽然预期的数据从普朗克将只有一个非常有限的额外影响。可能需要进一步的外部数据来打破一些剩余的简并。我们认为，这里提出的方法是适用于广泛的一类低能量有效的超对称模型，因为它不需要处理纯粹的实验问题，例如，检测器的性能，并具有计算效率的额外优势。此外，我们的方法可以区分模型的内部结构和外部数据对最终参数约束的影响。
On the coverage of electroweak-inos within the pMSSM with SModelS -- a comparison with the ATLAS pMSSM study
Université Grenoble-Alpes（格勒诺布尔阿尔卑斯大学）；Universidade Federal do ABC（ABC联邦大学）；Université Claude Bernard Lyon 1（里昂第一大学）；Österreichische Akademie der Wissenschaften（奥地利科学院）；University of Vienna（维也纳大学）
Projected sensitivity of the ANUBIS detector to heavy neutral leptons
IPPP, Dept of Physics, Durham University（达勒姆大学物理与粒子物理研究所）；Department of Physics and Astronomy, University of Manchester（曼彻斯特大学物理与天文学系）；Cavendish Laboratory, University of Cambridge（剑桥大学卡文迪许实验室）；Institut de Physique des 2 Infinis (IP2I), Lyon（里昂双无穷大物理研究所）
