Model-Agnostic Search for New Physics in the Presence of Imperfect Background by Smearing the Data

📄 arXiv: 2610.40734v1 📥 PDF

作者: Soheun Yi, John Alison, Mikael Kuusela

分类: stat.AP, cs.LG, physics.data-an

发布日期: 2026-10-29

💡 一句话要点

提出MASSIB以解决高能物理中背景不完美问题

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 高能物理 信号检测 背景估计 模型无关 机器学习 密度比学习 大型强子对撞机 数据驱动

📋 核心要点

  1. 现有方法通常依赖于对信号或背景的强假设，导致在背景不完美情况下的搜索效果不佳。
  2. 本文提出MASSIB方法，通过学习事件的密度比来定义信号区域，放宽对信号和背景的假设。
  3. 实验结果表明，MASSIB在不同信号类型中能够一致地识别出高信号浓度的区域，且背景估计偏差较小。

📝 摘要（中文）

在高能物理中寻找新粒子时，首先需要定义富含信号事件的信号区域(SR)，并将该区域的事件与预期的背景分布进行比较。现有方法通常依赖于对信号或背景的先验知识，而同时放宽这两种假设的努力较少。本文提出了一种模型无关的搜索方法MASSIB，通过学习相对于错误指定的背景分布的事件密度比，定义高密度比的信号区域。MASSIB通过引入“模糊”密度比来减轻背景估计中的偏差，能够有效地通过数据级操作学习并定义SR。通过对多种模拟的LHC事件进行应用，MASSIB能够在不同信号类型中一致地识别出数据驱动的SR，并避免背景估计的偏差，展示了该方法在未来LHC模型无关搜索中的潜力。

🔬 方法详解

问题定义：本文要解决的问题是如何在背景不完美的情况下有效地定义信号区域(SR)并进行信号检测。现有方法通常依赖于对信号或背景的强假设，这在实际应用中可能导致偏差和低效能。

核心思路：MASSIB方法的核心思路是通过学习相对于错误指定背景分布的事件密度比，来定义高密度比的信号区域。这种方法不需要对信号或背景做出强假设，从而提高了灵活性和适应性。

技术框架：MASSIB的整体架构包括数据级操作以学习模糊密度比，定义信号区域，并进行背景估计。主要模块包括数据预处理、密度比学习和信号区域定义。

关键创新：MASSIB的关键创新在于引入了“模糊”密度比的概念，这一设计有效减轻了在从控制区域插值到信号区域时的背景估计偏差。这与现有方法的本质区别在于不再依赖于对背景的强假设。

关键设计：在关键设计方面，MASSIB采用了特定的损失函数来优化密度比的学习过程，并通过数据级操作实现了高效的学习。此外，网络结构的选择也经过精心设计，以确保能够捕捉到复杂的事件分布特征。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果显示，MASSIB在不同类型的信号中均能有效识别出高信号浓度的区域，且背景估计偏差显著降低。与传统方法相比，MASSIB在信号检测的有效性和统计功效上均表现出显著提升，展示了其在未来研究中的应用潜力。

🎯 应用场景

该研究的潜在应用领域包括高能物理实验，尤其是在大型强子对撞机(LHC)的粒子搜索中。MASSIB方法能够在不完美背景条件下有效识别信号区域，提升信号检测的准确性和可靠性，具有重要的实际价值和未来影响。

📄 摘要（原文）

In the search for new particles in high-energy physics, it is necessary to first define the signal region (SR) enriched in signal events, and then compare events in this region with the expected background distribution. While most existing search methods rely on prior domain knowledge of either the signal or the background, there has been less effort to relax both assumptions simultaneously, as methods that weaken one assumption typically rely on strong knowledge of the other. We propose Model-Agnostic Search with Smearing and Imperfect Background (MASSIB), a method that addresses this challenge by learning the density ratio of events relative to a misspecified background distribution using modern tools from machine learning, and defining the SR as the region with high density ratio. Recognizing that a naive application of this idea introduces significant bias in background estimation when interpolating from the control region to the SR, MASSIB mitigates this issue by introducing a "smeared" density ratio, which can be learned efficiently through data-level manipulation and used to define an SR that allows for accurate background estimation. By applying it to various types of simulated Large Hadron Collider (LHC) events with realistic background mismodeling, we demonstrate that MASSIB identifies a data-driven SR that achieves high signal concentration consistently across different types of signals while avoiding bias in background estimation. The method does this without making strong assumptions about either the signal or background distribution. We then show that this robustness extends to the validity and strong statistical power of the resulting hypothesis tests for signal detection, demonstrating the potential of this approach for future model-agnostic searches at the LHC.