Anomaly detection for multijet scenarios

दशकों से, नई भौतिकी (न्यू फिजिक्स) की खोज एक घास के ढेर में सुई खोजने जैसा खेल रही है, लेकिन वह घास का ढेर लगातार बढ़ता जा रहा है। लार्ज हैड्रोन कोलाइडर के वैज्ञानिक अविश्वसनीय गति से कणों को आपस में टकराते हैं, इस उम्मीद में कि वे कुछ ऐसा देख सकें जो स्टैंडर्ड मॉडल (मानक मॉडल) में नहीं है—जो ब्रह्मांड के काम करने के वर्तमान नियमों की किताब है। जब उन्हें वास्तव में कुछ नया मिलता है, तो वह अक्सर एक 'रेजोनेंस' (अनुनाद) के रूप में दिखाई देता है, जो एक क्षणिक कण है जो लगभग तुरंत अन्य कणों के फुहार (स्प्रे) में टूट जाता है। पारंपरिक रूप से, शोधकर्ताओं ने इन संकेतों को यह मानकर खोजा है कि वे एक बहुत ही विशिष्ट तरीके से दिखाई देंगे, जैसे कि एक भारी कण का ठीक दो जेट्स (मलवे की धाराओं) में टूटना। यह दृष्टिकोण तब तो अच्छा काम करता है जब धारणा सही होती है, लेकिन यह अधिकांश संभावनाओं के लिए दरवाजे बंद कर देता है। यदि कोई नया कण तीन, चार या उससे भी अधिक जेट्स में टूटता है, तो मानक खोज विधियां उसे पूरी तरह से मिस कर देती हैं, क्योंकि वे उस विशिष्ट पैटर्न की तलाश नहीं कर रही होती हैं।

इस सीमा ने एक अलग प्रकार की खोज की ओर झुकाव पैदा किया है जिसे 'एनोमली डिटेक्शन' (विसंगति का पता लगाना) कहा जाता है। यह अनुमान लगाने के बजाय कि नई भौतिकी कैसी दिखेगी, वैज्ञानिक कंप्यूटर को यह पहचानने के लिए प्रशिक्षित करते हैं कि बैकग्राउंड शोर कैसा दिखता है, और फिर जो भी अजीब लगे उसे फ्लैग (चिह्नित) करते हैं। यह विधि शक्तिशाली है क्योंकि इसके लिए इस बात की आवश्यकता नहीं है कि क्या ढूंढना है, इसके लिए किसी विशिष्ट सिद्धांत की आवश्यकता नहीं है। हालांकि, ये लचीली विधियां भी उन जटिल घटनाओं के साथ संघर्ष करती रही हैं जहाँ कणों की फुहारों (जेट्स) की संख्या बहुत अधिक बदलती रहती है। ग्रेगर कासिएज़का और उनके सहयोगियों द्वारा किया गया एक नया अध्ययन इस अंतर को दूर करने के लिए एक चतुर डेटा सफाई पद्धति और एक परिष्कृत मशीन लर्निंग तकनीक को जोड़कर इस कमी को संबोधित करता है। उनका कार्य प्रदर्शित करता है कि यह देखना संभव है कि कितने भी जेट्स उत्पन्न होने के बावजूद नई भौतिकी को कैसे पहचाना जाए, जिससे उन संकेतों को खोजने का मार्ग प्रशर होता है जो पहले सबसे उन्नत खोज रणनीतियों के लिए भी अदृश्य थे।

शोधकर्ताओं ने एक मौलिक समस्या को हल करने से शुरुआत की: जब एक कण मलबे की एक अराजक फुहार में टूट जाता है, तो उसके 'द्रव्यमान' (मास) को कैसे परिभाषित किया जाए। सरल मामलों में जहाँ एक कण दो भागों में विभाजित होता है, वैज्ञानिक दो जेट्स को देखकर आसानी से उसके द्रव्यमान की गणना कर सकते हैं। लेकिन जब एक कण तीन या चार जेट्स में टूटता है, या जब जेट्स असमान होते हैं, तो मानक गणना विफल हो जाती है, और संकेत धुंधला होकर खो जाता है। टीम ने द्रव्यमान मापने के विभिन्न तरीकों का परीक्षण किया। एक दृष्टिकोण यह था कि घटना में मौजूद प्रत्येक कण के द्रव्यमान को बस जोड़ दिया जाए। हालांकि इसने संकेत को पकड़ा, लेकिन परिणामी डेटा इतना व्यापक और फैला हुआ था कि नए कण को बैकग्राउंड शोर से अलग करना असंभव था। यह एक स्टेडियम में चिल्ला रहे लोगों के बीच एक विशिष्ट आवाज को खोजने जैसा था; संकेत वहां था, लेकिन वह शोर में दब गया था।

इस समस्या को हल करने के लिए, टीम ने 'रिकर्सिव सॉफ्ट ड्रॉप' (recursive soft drop) नामक एक तकनीक लागू की, जिसे मूल रूप से कण जेट्स के किनारों को साफ करने के लिए डिज़ाइन किया गया था। कल्पना कीजिए कि पत्तों का एक बिखरा हुआ ढेर है जहाँ कुछ पत्ते भारी और केंद्रीय हैं, जबकि अन्य हल्के और हवा से बिखरे हुए हैं। यह एल्गोरिदम एक हल्की हवा की तरह काम करता है जो हल्के, बिखरे हुए पत्तों को उड़ा देती है, जिससे केवल भारी, केंद्रीय गुच्छा बचता है। पूरी घटना पर इस प्रक्रिया को लागू करके, शोधकर्ता उन नरम, अप्रासंगिक कणों को हटा सके जिन्होंने दृश्य को धुंधला कर दिया था। जो बचा वह डेटा का एक बहुत ही स्वच्छ, स्पष्ट शिखर (पीक) था। इस नए मापन ने, जिसे उन्होंने 'रिकर्सिव सॉफ्ट-ड्रॉप मास' कहा, उन्हें स्पष्ट रूप से रेजोनेंस देखने की अनुमति दी, भले ही कण तीन या चार जेट्स में टूट गया हो। संकेत दो-जेट वाले सरल मामलों की तरह ही बैकग्राउंड के मुकाबले स्पष्ट रूप से उभर कर आया, जिससे यह सिद्ध हुआ कि यह विधि विभिन्न प्रकार के क्षय पैटर्न (decay patterns) को संभालने में सक्षम है।

डेटा को देखने के इस स्वच्छ तरीके के साथ, टीम ने एक मशीन लर्निंग सिस्टम का परीक्षण किया जिसे विसंगतियों को खोजने के लिए डिज़ाइन किया गया था। उन्होंने CATHODE नामक एक तकनीक का उपयोग किया, जो कंप्यूटर को उन क्षेत्रों में बैकग्राउंड शोर को समझने के लिए सिखाकर काम करती है जहाँ कोई संकेत अपेक्षित नहीं है। एक बार जब कंप्यूटर ने सीखा कि सामान्य बैकग्राउंड कैसा दिखता है, तो उसे उस क्षेत्र को दिखाया गया जहाँ संकेत छिप सकता है। यदि कंप्यूटर ने कुछ ऐसा देखा जो उसके बैकग्राउंड मॉडल में फिट नहीं बैठता था, तो उसने इसे एक संभावित खोज के रूप में फ्लैग किया। शोधकर्ताओं ने इस प्रणाली का परीक्षण विभिन्न परिदृश्यों का प्रतिनिधित्व करने वाले सिम्युलेटेड डेटा पर किया, जिसमें दो, तीन और चार जेट्स में टूटते कण, साथ ही इन क्षयों के जटिल मिश्रण शामिल थे। उन्होंने पाया कि उनके नए द्रव्यमान मापन और विसंगति पहचान प्रणाली का संयोजन इन संकेतों को पकड़ने की उनकी क्षमता में उल्लेखनीय सुधार करता है।

परिणाम विशेष रूप से तब प्रभावशाली थे जब टीम ने 'ब्लैक बॉक्स 3' नामक एक चुनौतीपूर्ण परिदृश्य को देखा, जो एक सामुदायिक चुनौती का डेटासेट था जिसमें दो अलग-अलग क्षय मोड का मिश्रण था। इस परीक्षण में, नया तरीका संकेत की पहचान उस स्तर के विश्वास के साथ करने में सक्षम था जो एक बड़ी खोज के लिए आवश्यक 'फाइव-सिग्मा' (पाँच-सिग्मा) परिणाम से अधिक था। यह पिछले प्रयासों की तुलना में एक महत्वपूर्ण सुधार था, जो उसी डेटा के साथ इतने उच्च विश्वास स्तर तक पहुँचने के लिए संघर्ष कर रहे थे। अध्ययन ने दिखाया कि यह विधि मजबूत थी, चाहे संकेत एक प्रकार का क्षय हो या विभिन्न प्रकारों का एक भ्रमित करने वाला मिश्रण। शोधकर्ताओं ने नोट किया कि हालांकि यह प्रणाली तब सबसे अच्छा प्रदर्शन करती है जब संकेत मजबूत होता है, फिर भी यह पारंपरिक गिनती विधियों की तुलना में स्पष्ट लाभ प्रदान करती है, जिससे खोज करने के लिए आवश्यक घटनाओं की संख्या में काफी कमी आती है।

यह शोध पत्र निष्कर्ष निकालता है कि यह दृष्टिकोण नई भौतिकी की खोज के लिए एक शक्तिशाली नया उपकरण प्रदान करता है। डेटा को साफ करने के तरीके और अजीब चीजों को खोजने वाले लचीले एल्गोरिदम का उपयोग करके, वैज्ञानिक अब इस बिना यह अनुमान लगाए कि वे बिल्कुल कैसे दिखाई देंगे, नए कणों की खोज कर सकते हैं। अध्ययन को कण टकरावों के कंप्यूटर सिमुलेशन का उपयोग करके संचालित किया गया था, जो इन विचारों को वास्तविक डेटा पर लागू करने से पहले उनके परीक्षण के मैदान के रूप में कार्य करते हैं। लेखक सुझाव देते हैं कि यह रणनीति नई भौतिकी की खोज का एक मानक हिस्सा बन सकती है, जो प्रकृति द्वारा प्रकट किए जाने वाले किसी भी रूप के अनुकूल होने में सक्षम है। वे यह भी बताते हैं कि हालांकि वर्तमान विधि जेट्स के लिए अच्छी तरह से काम करती है, भविष्य के कार्य इन विचारों को इलेक्ट्रॉन या लुप्त ऊर्जा (missing energy) जैसे अन्य प्रकार के कणों तक विस्तारित कर सकते हैं, जिससे खोज का दायरा और बढ़ जाएगा। यह कार्य एक अधिक खुले दिमाग वाली खोज की ओर एक कदम है, जो अप्रत्याशित को खोजने के लिए तैयार है, चाहे वह कितने भी टुकड़ों में क्यों न टूट जाए।