⚛️ high-energy experiments

The Search Budget of the BSM Resonance Program

本文通过计算得出，ATLAS BSM 共振程序目前的已发表记录在实现 5σ 全局发现时需要 6.55σ 的局部显著性，而完全组合扫描仅会将其要求略微提高至 7.11σ，从而量化了其统计试验因子，并进一步论证了对于难以枚举试验因子的机器学习搜索而言，两阶段解盲是防止伪信号的更优保障。

原作者： Theresa Reisch, Tobias Golling

发布于 2026-08-21

📖 1 分钟阅读🧠 深度阅读

CC BY 4.0

原作者： Theresa Reisch, Tobias Golling

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在大型强子对撞机那宏大且高能的碰撞过程中，物理学家们正致力于寻找可能改写自然法则的新粒子。这些搜寻工作通常涉及寻找一个“凸起”——即在特定质量处出现的、隐藏在平滑且可预测的普通粒子相互作用背景之中的微小且意料之外的事件数量上升。挑战在于，自然界会产生极其多样化的这些“凸起”，研究人员必须扫描由各种可能质量和粒子组合构成的庞大景观，以寻找它们。他们观察的地方越多，声称发现所需达到的统计门槛就越高，因为如果观察得足够多且足够深入，随机波动可能会模拟出信号。这被称为“寻找别处效应”（look-elsewhere effect），它充当了一个天然的过滤器，确保只有最稳健的信号才会被接受为真实的发现。

日内瓦大学的一个研究小组现在已经精确绘制出了 ATLAS 实验在搜寻这些新共振态的过程中究竟覆盖了多少领域，以及扫描所有可能的角落需要付出怎样的代价。通过计算实验观察的独立位置数量，他们计算出了将局部暗示转化为全局发现所需的精确统计阈值。他们的分析显示，目前已发表的搜寻工作涵盖了广泛的理论模型，已经大约在 7,900 个不同的地方进行了观察。若要基于现有的记录在今天声称一项发现，信号必须足够强，以至于对应于 6.55 个标准差的局部显著性，而非传统的 5 个标准差。

该研究随后提出了一个更大胆的问题：如果实验在不受到特定理论引导的情况下，扫描所有能由最多四个重建粒子构建出的质量呢？这种假设性的“组合式”扫描将覆盖更广阔的领域，总量达到 360,000 个不同的观察点。虽然这是一个巨大的增幅，但统计上的惩罚却出人意料地小。在进行这种完全开放式的扫描时，为了达到发现门槛所付出的额外努力，仅将局部显著性的要求从 6.55 提高到了 7.11。换句话说，扫描 46 倍领地的代价仅不到半个标准差的灵敏度损失。这一发现表明，保持完全开放心态的代价远低于许多物理学家此前担心的那样；目前的程序并非受限于观察位置的数量，而是受限于填充直方图的可用事件数量。

然而，论文也指出了一种在使用先进机器学习工具寻找这些“凸起”时产生的新风险。与那些观察位置已知且可计数的传统扫描不同，某些现代算法可能成为不完美的估计器，偶尔会产生虚假警报。作者发现，如果机器学习网络标记了一个信号，其虚假警报的发生率可能会比标准统计学预测的要高得多，从而在无法被计数的层面上有效地增加了“观察次数”。为了解决这个问题，他们提出了一种两阶段的安全程序。在第一阶段，算法扫描一小部分数据以识别潜在候选者。随后，只有这些特定的候选者会被“解盲”（unblinded），并针对剩余的、未见的数据进行检查。这种方法充当了一个过滤器，确保任何在第二阶段无法重复出现的信号都被视为偶然现象而丢弃。他们的模拟显示，只要机器学习工具具有已知的错误率，这种两步法实际上比试图在单次大规模扫描中修正误差更具灵敏度。

研究人员还检查了已知模型的特定景观，以观察还有多少领地尚未被探索。他们发现，尽管已发表的 ATLAS 程序已经扫描了当前理论所驱动的大部分质量谱，但仍有 51 种特定的粒子组合虽已被模型预测，却从未被搜寻过。这些未被扫描的区域代表了当前覆盖范围中一个虽小但清晰存在的缺口。研究结论认为，“共振程序”的“搜索预算”是明确且可控的。目前的发表记录与预期的随机波动数量是一致的，未来的路径要么是填补少数剩余的理论空白，要么是拥抱完全的组合式扫描——后者在统计学上仍然是可行的，并提供了一种无需猜测寻找方向即可发现意外之物的强大方式。

技术摘要：BSM 共振程序中的搜索预算

问题陈述
传统的超越标准模型（BSM）搜索在检查数据之前就固定了模型、末态和质量窗口，使得“寻找效应”（look-elsewhere effect, LEE）仅作为一个微小的修正项。然而，现代的数据驱动扫描、机器学习异常搜索以及广义搜索会同时横扫大范围的质量空间，导致试验因子（trials factor）占据主导地位。虽然单个分析都会报告各自的试验因子，但整个 ATLAS BSM 共振程序中所有独立“观察”（looks）的总数从未被枚举过。这种全局计数量的缺失，掩盖了在进行不可知论或组合搜索时，实现 5 $\sigma$ 全局显著性所需的真实发现阈值。

方法论
作者通过统计三个不同基准下的有效独立分辨率单元（ $N_{\text{trials}}$ ）数量，构建了一个“搜索预算”。该计数依赖于渐近的 Gross–Vitells 关系，其中实现 5 $\sigma$ 全局发现所需的局部显著性（ $Z_{\text{local}}$ ）由总试验数导出：
$Z_{\text{local}} = \sqrt{25 + 2 \ln N_{\text{trials}}}$

该方法将一次“观察”定义为一个位于质量窗口 $[M_{\text{lo}}, M_{\text{hi}}]$ 内的一个分辨率单元（ $n_s$ ），计算公式为 $n_s = \frac{1}{r} \ln(M_{\text{hi}}/M_{\text{lo}})$ ，其中 $r$ 是分数质量分辨率。分辨率是从 ATLAS 物件性能测量（例如：量热器能量、缪子曲率、喷注分辨率）中传播而来的。

研究评估了三个基准：

模型空间：每一个预测存在峰值的公开 BSM 模型谱系，无论是否存在对应的搜索。这通过 FeynRules 模型数据库和文献映射到 63 个不同的谱系。
已发表的 ATLAS 程序：对 2010–2026 年间的 290 篇共振论文进行普查，并将其归类为 86 个已编目的搜索。这统计了协作组已经执行的实际“观察”次数。
假设的组合扫描：扫描由最多四个重建对象（电子、缪子、陶子、光子、喷注等）构成的所有不变质量构造。这包括逐一应用的“选择透镜”（selection lenses，例如高 $H_T$ 、位移活动）。

至关重要的是，研究施加了一个“可拟合性”（fittability）要求：只有当一个谱系包含至少 100 个事件和 25 个分辨率单元时，才会被计入，其基于功率律背景模型（ $n(m) \propto m^{-6}$ 至 $m^{-8}$ ）并根据 Run 2 和 Run 3 的亮度进行缩放。

核心贡献与结果

全局发现阈值：
- 已发表程序：已发表记录中的 104 个带电（搜索, 轴）对之和为 $N_{\text{trials}} = 7.9 \times 10^3$ 。这要求局部显著性达到 $Z_{\text{local}} = 6.55$ 才能实现 5 $\sigma$ 全局发现。
- 全组合扫描：扫描由最多四个对象构成的所有可拟合质量，得到 $N_{\text{trials}} = 2.0 \times 10^5$ （若计入事件级选择透镜则上升至 $3.6 \times 10^5$ ）。这使得所需的局部显著性增加到 $Z_{\text{local}} = 7.11$ 。
- 广度的代价：从已发表程序到全组合扫描，观察次数增加了 46 倍，但仅造成了 0.56 $\sigma$ 的局部显著性损失。作者指出，统计学要求（可拟合性）在试验因子成为限制因素之前，就已经剔除了 80% 的潜在组合。
已发表记录的验证：
ATLAS 数据中观察到的过剩分布与计算出的试验因子相符。普查预测约有 $\sim 11$ 个局部 $3\sigma$ 涨落和 0.002 个伪 $5\sigma$ 涨落，这与报告的开放过剩现象（最大约为 $3.5\sigma$ 局部，无一超过 $2.8\sigma$ 全局）以及未解释的 $5\sigma$ 发现的缺失情况相匹配。这证实了已发表程序几乎完全扫描了由已知模型所驱动的轴线。
机器学习与不完美估计器：
对于无法枚举试验因子的网络驱动扫描（例如 BumpNet），作者提出了一个**两阶段解盲（two-stage unblinding）**程序。通过在数据的一小部分中预注册超过阈值（ $Z_{\text{cut}}$ ）的窗口，并在仅针对这些区域解盲剩余数据，可以过滤掉伪信号（即不会重复出现的信号）。
- 这一保障措施将无法测量的膨胀转化为可计数的列表。
- 在 BumpNet 的测量缺陷率下，两阶段程序比使用“诚实”但膨胀了的试验因子的单阶段扫描更具敏感性，尽管这会损失约 $0.5\sigma$ 的发现能力。
- 作者建议，当估计器不完美时，应通过绝对显著性阈值而非基于排名的算法（如 argmax 或 Benjamini-Hochberg）来选择候选对象，因为基于排名的算法极易受到相干缺陷（例如背景建模错误）的影响。

意义
本文为 BSM 共振程序建立了一个定量的“搜索预算”，证明了从特定模型搜索向完全不可知论、组合扫描的转变在统计上是可控的，仅需略微提高局部显著性（从 6.55 增至 7.11）。文章认为，未来宽泛扫描的主要挑战不在于试验因子本身，而在于显著性估计器的可靠性。如果估计器是不完美的，那么错误发现的代价是巨大的；因此，本文倡导将两阶段解盲和绝对阈值化作为应对数据驱动和机器学习搜索时代伪信号的必要保障。这项工作提供了一个可复现的框架（通过关联的存储库），用于计算这些预算，确保在高多重性扫描中的发现声明是建立在严谨的独立观察计数基础之上的。

类似论文