Machine-learning techniques for model-independent searches in dijet final states

기술 요약: 다이제트 최종 상태에서의 모델 독립적 탐색을 위한 머신러닝 기법

문제 정의
대형 강입자 충돌기(LHC)에서 표준 모형(SM) 너머의 물리학을 찾는 작업은 점차 강력한 상호작용(QCD 다중 제트)에 의해 매개되는 SM 과정의 압도적인 배경사건(background)으로 인해 어려움을 겪고 있다. 전통적인 탐색은 가설적인 BSM(표준 모형 너머) 신호를 구별하도록 훈련된 지도 학습(supervised ML) 분류기에 의존한다. 이러한 접근 방식은 모든 대안 모델에 대한 명시적인 이론적 정식화가 필요하며, 이는 발견의 범위를 알려진 가설로 제한한다. 또한, 디제트 시스템의 불변 질량($m_{jj}$)에서 공명 피크를 찾는 전통적인 "범프 헌트(bump hunt)" 기법은 신호의 비율이 너무 작아 매끄럽게 감소하는 SM 배경사건에 비해 눈에 띄는 피크를 생성하지 못할 경우 실패할 수 있다. 본 논문은 신호의 특정 특성에 대한 사전 지식 없이도 변칙적인 제트를 식별할 수 있는 모델 불가지론적(anomaly detection) 방법의 필요성을 다루며, 동시에 $m_{jj}$ 분포를 왜곡(sculpting)하여 통계적 해석을 무효화하는 것을 방지하는 방법을 다룬다.

방법론
본 논문은 $\sqrt{s} = 13$ TeV (2016–2018, 138 fb$^{-1}$)의 CMS 실험에서 수집된 양성자-양성자 충돌 데이터에 적용된 다섯 가지의 뚜렷한 머신러닝 기법을 상세히 비교한다. 분석 대상은 무거운 공명 상태($A$)가 두 개의 가벼운 입자($B$와 $C$)로 붕괴하고, 이들이 다시 SM 입자로 붕괴하여 두 개의 큰 반경을 가진 제트를 형성하는 다이제트 최종 상태이다. 방법론은 다음과 같은 훈련 패러다임에 따라 분류된다:

1. 비지도 학습 (VAE-QR): 변분 오토인코더(VAE)를 신호가 억제된 사이드밴드 영역의 저수준 제트 구성 성분 운동량에 대해 훈련시켜 SM 배경 분포를 학습시킨다. 재구성 손실(reconstruction loss)이 이상치 점수(anomaly score) 역할을 한다. 선택 과정이 $m_{jj}$ 스펙트럼을 왜곡(sculpting)하는 것을 방지하기 위해, 양적 회귀(Quantile Regression, QR) 단계를 적용하여 이상치 임계값을 $m_{jj}$의 함수로서 정규화함으로써 질량과 관계없이 일정한 비율의 사건이 선택되도록 보장한다.
2. 약지도 학습 (CWoLo Hunting, TNT, CATHODE, CATHODE-b): 이 방법들은 명시적인 신호 라벨 없이 데이터 샘플로부터 배경과 데이터 사이의 가능도 비(likelihood ratio)를 직접 학습하는 "라벨 없는 분류(Classification Without Labels, CWoLo)"를 활용한다.
   • CWoLo Hunting: 고수준 하부 구조 특징(예: soft-drop 질량, N-subjettiness 비율, b-tagging 점수)을 사용하여 신호 영역(SR)의 제트와 인접한 사이드밴드의 제트를 구별하도록 개별 제트에 대해 분류기를 훈련시킨다. 질량 왜곡을 완화하기 위해 이상치 점수를 제트 운동학으로부터 디커렐레이션(decorrelate)하는 재가중치(reweighting) 기술이 적용된다.
   • TNT (Tag N' Train): 약지도 학습과 초기 비지도 오토인코더 사전 선택을 결적으로 결합한다. 한 쪽 제트를 사용하여 다른 쪽 제트가 신호와 유사한지 혹은 배경과 유사한지를 오토인코더 손실을 기반으로 '태깅(tag)'함으로써, 훈련을 위한 풍부한 샘플을 생성한다.
   • CATHODE / CATHODE-b: 사이드밴드 데이터에서 훈련된 조건부 생성 모델(Normalizing Flows)을 사용하여 신호 영역에서의 배경 밀도를 추정한다. 그 후 약지도 분류기가 관측된 데이터와 생성된 배경을 구별한다. CATHODE-b는 제3세대 쿼크 결합에 대한 민감도를 높이기 위해 b-tagging 점수를 포함하도록 확장되었다.
3. 준지도 학습 (QUAK): 탐색을 유도하기 위해 시뮬레이션된 신호 사전 정보(priors) 세트를 통합한다. 배경과 특정 신호 벤치마크 모두에서 훈련된 Normalizing Flows를 사용하여 "QUAK 공간"을 정의하고, 배경과는 다르지만 신호 사전 정보와는 유사한 사건을 선택한다.

주요 기여

• 포괄적 비교: 본 연구는 시뮬레이션된 이벤트에 국한되었던 이전 연구들과 달리, 실제 충돌 데이터를 사용하여 이 다섯 가지 다양한 이상 탐지 방법론을 상세히 비교하는 첫 번째 연구이다.
• 왜곡 완화 (Sculpting Mitigation): 이상치 선택이 $m_{jj}$ 분포에서 인위적인 피크를 생성하거나 왜곡하지 않도록 구현된 특정 기술적 대응책(양적 회귀, 재가중치, 생성 모델링)을 상세히 설명한다. 이는 유효한 통계적 추론을 위한 필수 요구사항이다.
• 특징 영향 분석: 저수준 구성 성분과 고수준 하부 구조 변수라는 서로 다른 입력 특징 세트가 성능에 미치는 영향을 조사하여, 특징 선택이 방법론 간의 민감도 차이를 설명할 수는 있지만 알고리즘 간의 성능 격차를 완전히 설명하지는 못함을 밝혀냈다.
• 데이터 검증: 약지도 이상 탐지를 사용하여 로런츠 부스트된 톱 쿼크 쌍($t\bar{t}$)을 완전 강입자 붕괴 채널에서 식별하는 새로운 적용 사례를 보여줌으로써, 모델 불가지론적 프레임워크 내에서 알려진 물리학을 복구하는 능력을 검증하였다.

결과

• 민감도: 다섯 가지 방법 모두 포괄적 탐색(하부 구조 선택 없음) 및 단순한 모델 특정적 하부 구조 컷에 비해 시뮬레이션된 BSM 신호에 대해 향상된 민감도를 보여준다. 그러나 모든 신호 토폴로지에 최적인 단일 방법은 존재하지 않는다.
• 상보성: 이상치 점수의 상관관계 분석 결과, 방법론 간의 상관관계가 낮음(통상 60% 미만)을 확인하였으며, 이는 각 방법이 서로 다른 기준에 따라 이상적인 사건을 식별함을 나타낸다. 이는 이러한 접근 방식들을 결합하는 것이 더 강력한 탐색 전략을 제공할 수 있음을 시사한다.
• 성능 격차: 동일한 특징으로 훈련된 지도 학습 분류기는 높은 유의성 개선 특성(SIC)을 달 Achieve하는 반면, 모델 불가지론적 방법들은 더 낮은 SIC 값(일부 방법의 경우 지도 학습 성능의 약 50%)을 달성한다. 이 격차는 훈련 중 신호 라벨의 부재와 한계 설정(limit-setting) 과정에서 계통 오차를 고려해야 하는 필요성 때문인 것으로 분석된다.
• 톱 쿼크 복구: 검증 연구에서 약지도 학습 방법은 QCD 배경사건으로부터 $t\bar{t}$ 사건을 성공적으로 분리해냈으며, 동일한 입력을 사용하여 훈련된 완전 지도 학습 분류기와 대등한 유의성 개선을 달성하였다. 해석 기술(순열 특징 중요도)은 과잉(excess)의 물리적 특성(175 GeV 근처의 제트 질량, 높은 b-tagging 점수, 3-prong 하부 구조)을 성공적으로 식별하였으며, 이는 양의 이상 탐지 결과에 대한 해석 가능성을 입증한다.

의의
본 논문은 이러한 이상 탐지 기법들이 모델 불가지론적인 방식으로 새로운 입자 신호에 대한 민감도를 성공적으로 향상시키며, 전통적인 가설 기반 탐색에 대한 강력한 대안을 제공한다고 주장한다. 알려진 입자(톱 쿼크)의 특성을 사전 지식 없이도 복구할 수 있음을 보여줌으로써, 본 연구는 ML 기반 이상 탐지가 예상치 못한 새로운 물리학을 발견할 수 있는 잠재력을 검증하였다. 이 연구는 서로 다른 이상 탐지 전략을 사용하는 다양한 도구 상립의 가치가 미래의 LHC 분석에서 중요하다는 점을 강조한다.