KI und die schwierigen Probleme der Welt · Physik · arXiv · 2026-10-22
Auf dem Weg zu Anomalieerkennungssuchen nach Signaturen neuer Physik einschließlich Higgs-Bosonen mit schwach überwachtem maschinellen Lernen
Originaltitel: Towards anomaly detection searches for new physics signatures including Higgs bosons with weakly supervised machine learning
Die universelle Kopplung des Higgs-Bosons an Masse macht es zu einem natürlichen Ankerpunkt für Anomalieerkennungs-Suchen nach Physik jenseits des Standardmodells an Collider-Experimenten. Die HAXAD-Strategie kombiniert maschinell-lernbasiertes Feature-Embedding, Hintergrundschätzung und schwach überwachtes Klassifizieren, und diese Arbeit bringt sie der Reife näher, die für aufgezeichnete Collider-Daten nötig ist, indem sie zwei neue Embedding-Strategien, ein Inferenz-Framework, das signalagnostische und signalspezifische Wirkungsquerschnittsgrenzen liefert, sowie eine deutlich erweiterte Menge an Signalmodellen einführt. Die Verbesserungen steigern die Signalempfindlichkeit gegenüber der ursprünglichen Methode, und im Vergleich mit einer beispielhaften cut-basierten Suche im selben Endzustand erreicht oder übertrifft HAXAD die besten einzelnen cut-basierten Grenzen für eine breite Vielfalt von Signalmodellen.