arXiv · cs.AI· Donatella Genovese·· 18 天前AI 评分12
面向 HL-LHC 异常检测的学习事件表征局部诊断方法研究
Local Diagnostics of Learned Event Representations for Anomaly Detection at the HL-LHC
来源与原文
arXiv · cs.AI
作者：Donatella Genovese
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.13437v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
研究者在 7.5 亿事件的 COLLIDE-2V 数据集上比较了监督与自监督神经嵌入策略用于 LHC 异常检测，以潜空间自编码器重建误差为异常分数；监督目标在所有 held-out 过程的 10% 背景接受度信号效率上优于自监督并超过直接用运动学特征训练的自编码器。作者还提出局部诊断流程，用高斯混合模型拟合标准模型潜空间、定位异常事件并按局部判别力排序观测量，发现判别力最强的观测量未必是异常分数最紧跟随的观测量。
来源：arXiv · cs.AI · arxiv.org