Symbolic Classification-Enabled LHC Limits Online BSM Global Fits

本文表明，通过利用符号回归推导ATLAS排除约束的快速、准确数学近似，大型强子对撞机的限制条件可被高效地纳入对现象学最小超对称标准模型的在线全局拟合中。

要点

想象你是一名侦探，正试图解开一个巨大的谜团：在我们目前所知的领域之外，是否存在一个隐藏的粒子世界？

在物理学界，科学家们拥有一本名为“标准模型”的“规则手册”。但许多人怀疑，这个故事中还有更多角色，例如“超对称”（或标准模型之外的物理，即 BSM 物理）。为了寻找它们，他们使用一台名为“大型强子对撞机”（LHC）的巨型粒子对撞机，通过让粒子相互碰撞，观察是否有新事物出现。

问题：“慢动作”侦探

这篇论文描述了科学家们面临的一个主要难题。他们拥有一份庞大的潜在“嫌疑人”清单（包含数百万种不同参数的理论模型）。为了检查某个特定嫌疑人是否有罪，他们必须运行一次模拟：

1. 让粒子相互碰撞。
2. 观察它们如何碎裂。
3. 模拟探测器观测到它们的过程。
4. 将结果与来自 LHC 的真实数据进行对比。

问题在于，仅对一个嫌疑人进行这种模拟就需要数小时。由于有数十亿个嫌疑人需要排查，逐个进行是不可能的。这就像试图通过为每一根稻草建造一座全新的、全规模的工厂来测试它，从而在干草堆中寻找一根针。

因此，科学家们通常先进行“快速扫描”，找出最可能的嫌疑人，然后再仅对这些“优胜者”运行缓慢且昂贵的工厂模拟。这被称为“后处理”。这种方法既缓慢又低效，因为他们可能会在那些本应立即被排除的嫌疑人身上浪费时间。

解决方案：“魔法速查表”

这篇论文介绍了一种巧妙的捷径，使用了一种名为符号回归的技术。你可以将其理解为教导计算机编写一个简单的数学公式，使其充当一张速查表。

研究人员不再为每个嫌疑人运行完整且缓慢的工厂模拟，而是：

1. 利用了过去 LHC 结果（具体来自 ATLAS 实验）的海量数据集。
2. 将这些数据输入计算机程序（使用名为 Feyn 的工具），让其寻找规律。
3. 计算机发现了一个单一、紧凑的数学方程，能够以 97% 的准确率预测，特定的参数组合是否会被 LHC“允许”或“排除”。

这就像拥有一种魔法咒语，无需建造工厂，就能立刻告诉你：“不，那个嫌疑人是无辜的。”

“在线”升级

最大的突破在于他们如何使用这张速查表。

• 旧方法（后处理）： “让我们猜测一百万个嫌疑人，挑选出最好的，然后再检查 LHC 是否排除了它们。”
• 新方法（在线）： “让我们在猜测的同时就检查 LHC 的规则。”

通过将那个简单的数学公式直接嵌入搜索过程中，计算机可以在生成不良嫌疑人的瞬间立即将其拒绝。这就像俱乐部的门卫在你甚至还没排进队伍之前就先检查你的身份证，而不是让你进去后再把你踢出来。

他们的发现

研究人员在一种名为“电弱微子”（electroweakino）的特定理论粒子上测试了这种方法。他们进行了两次搜索：

1. 一次未应用 LHC 规则（旧方法）。
2. 一次即时应用了 LHC 规则（新方法）。

结果：
当他们应用“即时检查”时，潜在嫌疑人的清单急剧缩小。谜团中“允许”的区域变得更小、更紧凑。

• 他们发现，LHC 的限制（规则）与一个名为“自然性”（关于宇宙应呈现何种面貌的规则）的概念正在协同作用，将可能性挤压到非常具体的角落。
• 本质上，即使尚未发现这些粒子，LHC 在排除这些理论方面也变得非常高效。

核心结论

这篇论文并未声称发现了新粒子。相反，它声称找到了一种更快、更聪明的寻找方法。通过将复杂、缓慢的计算机模拟转化为一个简单的数学公式，他们现在可以实时检查 LHC 的规则。这使得寻找新物理的过程更加高效，并帮助科学家将精力集中在宇宙中最有希望的领域。

技术摘要

技术摘要：符号分类赋能 LHC 限制在线实现 BSM 全局拟合

问题陈述
超越标准模型（BSM）物理的全局拟合，例如唯象最小超对称标准模型（pMSSM），需要理论参数扫描与实验约束之间的严格协同。此过程中的一个重大瓶颈在于大型强子对撞机（LHC）排除限制的纳入。传统方法依赖于“事后”后处理，即仅在完成全局拟合采样后才应用对撞机约束。这是必要的，因为直接在参数扫描过程中“在线”嵌入 LHC 限制在计算上是不可行的。标准重解释工具需要对每个参数点进行完整的模拟流程——包括蒙特卡洛事例生成、部分子簇射、强子化、探测器模拟和事例重建——这一过程对于高维贝叶斯推断而言过于缓慢。尽管像 SUSY-AI 这样的机器学习（ML）方法试图近似这些限制，但它们往往面临集成困难、依赖特定简化模型或局限于旧数据集（如 LHC 第一运行期）等问题。

方法论
作者提出了一种框架，利用符号回归将 LHC 限制直接纳入全局拟合采样过程。该方法分为两个主要阶段：

1. ATLAS 限制的符号分类：

   • 数据集： 本研究利用了一个包含 12,280 个为 ATLAS 第二运行期分析生成的 pMSSM 电弱微子模型的数据集。这些模型涵盖了八个特定的搜索通道，针对带电流微子 - 中性微子对产生（$\tilde{\chi}^\pm_1 \tilde{\chi}^0_2$ 和 $\tilde{\chi}^+_1 \tilde{\chi}^-_1$），并具有多种衰变拓扑结构（轻子型、强子型、希格斯型和消失径迹型）。
   • 标记： 每个模型点根据综合 ATLAS 似然比（$CL_s$）被赋予一个二元标签：“排除”（$CL_s < 0.05$）或“允许”（$CL_s > 0.05$）。
   • 回归技术： 作者采用 Feyn 符号回归包。与黑盒机器学习分类器（如随机森林）不同，符号回归在数学公式空间中搜索，以找到将 pMSSM 参数 $\mathbf{x}$ 映射到排除标签的解析表达式 $y(\mathbf{x})$。
   • 优化： 该过程采用多阶段“热启动”策略来细化解决方案，针对二元交叉熵损失函数进行优化。所得表达式是一个紧凑的数学公式，能够将参数空间点分类为允许或排除。

2. 在线全局拟合实现：

   • 框架： 使用 MultiNest 嵌套采样算法对 pMSSM 进行全局拟合。
   • 似然函数构建： 似然函数 $\mathcal{L}(\theta)$ 结合了三个标准可观测量（μ子反常磁矩 $\delta(g-2)_\mu$、中性微子暗物质密度 $\Omega_{CDM}h^2$ 和希格斯玻色子质量 $m_H$）与 LHC 约束。
   • 集成： 第一阶段推导出的符号表达式取代了计算昂贵的模拟流程。对于任何采样的参数点 $\theta$，符号公式 $y(\theta)$ 输出一个分数。如果分数表明该点是“允许”的，则 LHC 似然项设为 1；如果是“排除”的，则设为 0。这使得 LHC 约束能够在采样过程中即时评估。

主要贡献

• 首次在线集成： 据作者所知，这是首次演示将新物理的 LHC 直接搜索限制直接“在线”纳入 pMSSM 全局拟合，而不是作为后处理步骤。
• 符号近似： 本文成功从复杂的 ATLAS 排除限制中推导出了一个紧凑的解析数学表达式，在分类 pMSSM 参数空间方面达到了高精度（曲线下面积 $\approx 0.97$）。
• 计算效率： 通过将完整的模拟链替换为快速的解析函数，该框架使得在对撞机约束纳入全局拟合循环中在计算上变得可行，从而避免了重复且昂贵的事例级重解释需求。

结果
作者比较了两个全局拟合：一个通过符号分类器包含 ATLAS 限制，另一个则不包含。

• 参数空间收缩： 纳入 ATLAS 限制显著收紧了与电弱微子相关参数（$M_1, M_2, \mu, A_t$）的后验分布，将允许区域推向参数空间的特定角落。
• 相关性分析： 研究表明，ATLAS 约束 sharpened 了 μ子反常磁矩贡献 $\delta(g-2)_\mu$ 与参数 $\tan\beta$ 之间的相关性。在没有这些限制的情况下，理论比例关系 $\delta(g-2)_\mu \propto \tan\beta$ 在中高 $\tan\beta$ 区域失效；而在有这些限制的情况下，这种关系得以保持。
• 自然度相互作用： 结果突显了“自然度线”（定义为 $m_A \sim \frac{1}{\sqrt{2}} m_Z \tan\beta$）与 LHC 限制之间的张力。虽然自然度暗示较低的 $m_A$ 值，但 ATLAS 限制推动了 $m_A$ 的下限升高。这种综合效应挤压了可行的参数空间，可能排除 MSSM 的大片区域。

意义与主张
本文将此工作定位为原理验证。其主要意义在于证明符号回归可以有效地将离散的、复杂的实验排除边界转化为明确的数学公式。这种方法提供了一条原则性、可解释且计算高效的途径，将对撞机信息整合到全局拟合中。

作者谦逊地声称，该框架具有通用性，原则上可扩展至其他 BSM 模型和 LHC 分析。他们强调，这种方法阐明了哪些 BSM 参数空间区域在结合互补实验数据后得到支持或不被青睐，从而指导未来的理论和实验工作。本研究并不声称能最终排除 MSSM，而是说明了特定约束（LHC 限制与自然度）之间的相互作用如何有效地减少可行的参数空间。