arXiv cs.AI· Donatella Genovese, Philip Ploner, Simone Scardapane, Stefano Giagu, Thea Klaeboe Aarrestad·· 6 小时前AI 评分22
面向 HL-LHC 异常检测的学习事件表征局部诊断方法
Local Diagnostics of Learned Event Representations for Anomaly Detection at the HL-LHC
AI 导读
研究在 COLLIDE-2V（7.5 亿事件、模拟 HL-LHC 条件）上评估监督与自监督神经嵌入策略，以潜空间中自编码器的重建误差作为异常分数，监督目标整体优于自监督，最佳配置在 10% 背景接受率下对所有留出过程提升信号效率。作者还提出局部诊断流程：对 SM 潜空间拟合高斯混合模型，用高层观测量刻画各分量、定位被标记事件并按局部判别力排序观测量，排序结果能还原留出过程的特征运动学。
来源：arXiv cs.AI · arxiv.org