MétaCan
Menu
← Retour à la cohorte
Enregistrement W4383370393 · doi:10.3204/pubdb-2023-04709

Search for new phenomena in two-body invariant mass distributions using unsupervised machine learning for anomaly detection at $\sqrt{s} = 13$ TeV with the ATLAS detector

2023· preprint· en· W4383370393 sur OpenAlexfundno aff
G. Aad, B. Abbott, Kira Abeling, Nils Julius Abicht, S. H. Abidi, A. Aboulhorma, H. Abramowicz, H. Abreu, Y. Abulaiti, A. C. Abusleme Hoffman, B. S. Acharya, C. Adam Bourdarios, L. Adamczyk, L. Adámek, S. V. Addepalli, Matt Addison, J. Adelman, A. Adıgüzel, T. Adye, A. A. Affolder, Toni Baroncelli, F. Barreiro, O. Biebel, Jose del Peso, D. Du, Jack Gargan, Y. Go, M. He, Y. He, L. Heinrich, L. Iconomidou-Fayard, P. Iengo, X. Ju, Mohammad Kareem, Y. Ke, M. LeBlanc, K. J. C. Leney, Ang Li, Chihao Li, H. Li, H. Li, K. Li, L. Li, M. Li, Shuqi Li, S. Li, S. Li, Xingguo Li, Z. Li, Z. Li, M. Liberatore, B. Liberti, K. Lie, J. Lieber Marin, J. H. Lindon, A. Lipniacka, A. Lister, J. D. Little, Bo Liu, Jianbei Liu, G. Lu, M. Lu, Y. J. Lu, Lianliang Ma, Danika Marina Macdonell, Pa. Malecki, V. P. Maleev, F. Malek, M. Mali, D. L. Noel, V. OʼShea, J. Pan, D. Su, W. Su, X. Su, Rei Tanaka, D. R. Van Arneman, N. Viaux Maira, N. K. Vu, C. Wu, J. F. Wu, Mengqing Wu, Hao Xu, Riley Xu, Tairan Xu, Y. Xu, Y. C. Yap, H. Ye, H. Ye, X. Ye, Y. Yu, Rui Yuan, M. Zaazoua, E. Zaid, T. Zakareishvili, R. Zhang, S. Zhang, P. Zhang, T. Zhang, Xiangke Zhang, X. Zhang, Yulei Zhang, Y. Zhang, Z. Zhang, Z. Zhang, H. Zhao, T. Zhao, Z. Zhao, A. Zhemchugov, J. Zheng, K. Zheng, X. Zheng, Z. Zheng, D. Zhong, B. Zhou, You Zhou, C. G. Zhu, J. Zhu, Y. Zhu, Y. C. Zhu, X. Zhuang, K. Zhukov, V. Zhulanov, N. I. Zimine, J. Zinsser, Michal Ziolkowski, L. Živković, A. Zoccoli, K. Zoch, T. G. Zorbas, O. Zormpa, W. Zou, L. Zwalinski

Notice bibliographique

RevuearXiv (Cornell University) · 2023
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueParticle physics theoretical and experimental studies
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Social FundFundação para a Ciência e a TecnologiaInstitut National de Physique Nucléaire et de Physique des ParticulesAgencia Nacional de Promoción Científica y TecnológicaScience and Technology Facilities CouncilNatural Sciences and Engineering Research Council of CanadaNarodowa Agencja Wymiany AkademickiejCentre National pour la Recherche Scientifique et TechniqueCentre National de la Recherche ScientifiqueIsrael Science FoundationJapan Society for the Promotion of ScienceConselho Nacional de Desenvolvimento Científico e TecnológicoBundesministerium für Wissenschaft, Forschung und WirtschaftGeneralitat ValencianaAustrian Science FundEuropean Regional Development FundBundesministerium für Bildung und ForschungMinisterstvo Školství, Mládeže a TělovýchovyU.S. Department of EnergyNational Natural Science Foundation of ChinaFundação de Amparo à Pesquisa do Estado de São PauloH2020 Marie Skłodowska-Curie ActionsJavna Agencija za Raziskovalno Dejavnost RSSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNederlandse Organisatie voor Wetenschappelijk OnderzoekMinistry of Education, Culture, Sports, Science and TechnologyAgence Nationale de la RechercheNational Science FoundationAlexander von Humboldt-StiftungTRIUMFCompute CanadaMax-Planck-GesellschaftRoyal SocietyDanmarks GrundforskningsfondBritish Columbia Knowledge Development FundTürkiye Enerji, Nükleer ve Maden Araştırma KurumuAgencia Nacional de Investigación y DesarrolloGeneralitat de CatalunyaCanarieDeutsche ForschungsgemeinschaftCentres de Recerca de CatalunyaCERNLeverhulme TrustMinisterio de Ciencia e InnovaciónEuropean Commission
Mots-clésAtlas detectorAtlas (anatomy)Particle physicsAnomaly detectionInvariant (physics)Invariant massDetectorPhysicsArtificial intelligenceLarge Hadron ColliderAnomaly (physics)Computer sciencePattern recognition (psychology)Mathematical physicsOpticsGeologyQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

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 $\sqrt{s} = 13$ 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 ($e$, $\mu$), photon, or second light jet or $b$-jet in the anomalous regions. No significant deviations from the background hypotheses are observed.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,067
Tête enseignante GPT0,234
Écart entre enseignants0,167 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuearXiv (Cornell University)→Même sujetParticle physics theoretical and experimental studies→Travaux en français237 207→