使用深度自动编码器搜索新物理

我们介绍了使用自动编码器和无监督深度学习在LHC上搜索新物理的一种潜在强大的新方法。 自动编码器的关键思想是,它学会了将“正常”事件映射回自身,但无法重建从未遇到过的“异常”事件。 然后可以将重建误差用作异常阈值。 我们使用QCD喷气机作为背景,并使用增强型顶部喷气机和违反R奇偶校验(RPV)的胶粘剂喷气机作为信号,证明了此想法的有效性。 我们表明,仅在背景上,甚至直接在包含少量信号混合的数据上进行训练时,深层自动编码器可以显着改善背景信号。 最后,我们检查了自动编码器与射流质量的相关性,并显示了射流质量分布如何稳定地抵抗重建损失的削减。 这对于从数据估计QCD背景可能很重要。 作为一个测试案