AI और दुनिया की कठिन समस्याएँ · भौतिकी · arXiv · 2026-10-22

दुर्बल पर्यवेक्षित मशीन लर्निंग के साथ हिग्स बोसॉन सहित नए भौतिकी-हस्ताक्षरों की विसंगति-संसूचन खोजों की ओर

मूल शीर्षक: Towards anomaly detection searches for new physics signatures including Higgs bosons with weakly supervised machine learning

हिग्स बोसॉन का द्रव्यमान के साथ सार्वत्रिक युग्मन उसे कोलाइडर प्रयोगों में मानक मॉडल से परे की भौतिकी की खोज हेतु विसंगति संसूचन के लिए एक स्वाभाविक आधार बनाता है। HAXAD रणनीति मशीन-लर्निंग-आधारित फ़ीचर एम्बेडिंग, पृष्ठभूमि अनुमान और दुर्बल पर्यवेक्षित वर्गीकरण को जोड़ती है, और यह कार्य दो नई एम्बेडिंग रणनीतियाँ, सिग्नल-अज्ञेय और सिग्नल-विशिष्ट क्रॉस सेक्शन सीमाएँ देने वाला एक इन्फ़ेरेंस फ़्रेमवर्क, तथा सिग्नल मॉडलों का काफ़ी विस्तारित समूह प्रस्तुत करके इसे रिकॉर्ड किए गए कोलाइडर डेटा हेतु आवश्यक परिपक्वता की ओर ले जाता है। ये सुधार मूल विधि की तुलना में सिग्नल संवेदनशीलता बढ़ाते हैं, और उसी अंतिम अवस्था पर एक उदाहरण कट-आधारित खोज के विरुद्ध बेंचमार्क किए जाने पर, HAXAD विभिन्न प्रकार के सिग्नल मॉडलों के लिए सर्वोत्तम पृथक कट-आधारित सीमाओं से मेल खाता है या उनसे बेहतर है।

मूल लेख पढ़ें ↗

सभी आइटम →