Local Diagnostics of Learned Event Representations for Anomaly Detection at the HL-LHC
Este artigo avalia estratégias de incorporação neural supervisionadas e autossupervisionadas para detecção de anomalias no HL-LHC utilizando o conjunto de dados COLLIDE-2V, demonstrando que abordagens supervisionadas superam outras e introduzindo um pipeline de diagnóstico local que perfila eventos sinalizados e classifica observáveis para preencher a lacuna entre a detecção agnóstica ao modelo e a interpretação física.