L'IA face aux grands problèmes du monde · Physique · arXiv · 2026-10-22
Vers des recherches de détection d'anomalies de signatures de nouvelle physique incluant des bosons de Higgs avec un apprentissage automatique faiblement supervisé
Titre original: Towards anomaly detection searches for new physics signatures including Higgs bosons with weakly supervised machine learning
Le couplage universel du boson de Higgs à la masse en fait une ancre naturelle pour les recherches de physique au-delà du Modèle standard par détection d'anomalies dans les expériences de collisionneurs. La stratégie HAXAD combine plongement de caractéristiques fondé sur l'apprentissage automatique, estimation du fond et classification faiblement supervisée, et ce travail la rapproche de la maturité requise pour les données de collisionneurs enregistrées en introduisant deux nouvelles stratégies de plongement, un cadre d'inférence produisant des limites de section efficace agnostiques au signal et spécifiques au signal, et un ensemble de modèles de signal considérablement élargi. Les améliorations accroissent la sensibilité au signal par rapport à la méthode d'origine, et comparée à un exemple de recherche à base de coupures sur le même état final, HAXAD égale ou dépasse les meilleures limites individuelles à base de coupures pour une grande variété de modèles de signal.