La IA y los problemas difíciles del mundo · Física · arXiv · 2026-10-22
Hacia búsquedas de detección de anomalías de nuevas firmas de física, incluidos los bosones de Higgs, con aprendizaje automático débilmente supervisado
Título original: Towards anomaly detection searches for new physics signatures including Higgs bosons with weakly supervised machine learning
El acoplamiento universal del bosón de Higgs a la masa lo convierte en un ancla natural para las búsquedas de detección de anomalías de física más allá del Modelo Estándar en experimentos con colisionadores. La estrategia HAXAD combina incrustación de características basada en aprendizaje automático, estimación del fondo y clasificación débilmente supervisada, y este trabajo la acerca a la madurez necesaria para los datos registrados de colisionadores al introducir dos nuevas estrategias de incrustación, un marco de inferencia que produce límites de sección eficaz agnósticos a la señal y específicos de la señal, y un conjunto de modelos de señal significativamente ampliado. Las mejoras aumentan la sensibilidad a la señal respecto al método original y, al compararse con una búsqueda basada en cortes de ejemplo sobre el mismo estado final, HAXAD iguala o supera los mejores límites individuales basados en cortes para una amplia variedad de modelos de señal.