arXivDaily arXiv每日学术速递 周一至周五更新
arXiv 2312.03067hep-ph
收藏

半可见喷注、基于能量的模型与自监督学习

Semi-visible jets, energy-based models, and self-supervision

Luigi Favaro, Michael Krämer, Tanmoy Modak, Tilman Plehn, Jan Rüschkamp

AI总结:

本文提出DarkCLR框架,通过自监督对比学习构建对变换近似不变的观测量,并结合背景增强、CLR异常分数与归一化自编码器,实现对LHC半可见喷注的高灵敏且鲁棒的异常探测。

摘要:

我们提出DarkCLR,一个用于在LHC上探测半可见喷注的新框架。DarkCLR采用自监督对比学习方法,构造在相关变换下近似不变的观测量。我们利用背景增强数据来构建敏感表示,并使用受CLR启发的异常分数以及归一化自编码器作为密度估计器来评估这些表示。我们的结果表明,对于广泛的半可见喷注具有显著的灵敏度,并且比在特定信号上训练的有监督分类器更具鲁棒性。

英文摘要:

We present DarkCLR, a novel framework for detecting semi-visible jets at the LHC. DarkCLR uses a self-supervised contrastive-learning approach to create observables that are approximately invariant under relevant transformations. We use background-enhanced data to create a sensitive representation and evaluate the representations using a CLR-inspired anomaly score and a normalized autoencoder as density estimators. Our results show a remarkable sensitivity for a wide range of semi-visible jets and are more robust than a supervised classifier trained on a specific signal.

机构、总结、中文摘要均由AI分析而来,可能存在错误,请以论文正文为准。

↑