AI اور دنیا کے مشکل مسائل · طبیعیات · arXiv · 2026-10-22

کمزوری سے نگرانی شدہ مشین لرننگ کے ساتھ ہگز بوسون سمیت نئے طبیعیاتی سگنیچرز کی اینوملی ڈیٹیکشن تلاشوں کی جانب

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

{'attributes': {}, 'data': 'ہگز بوسون کا کمیت سے آفاقی ربط اسے کولائیڈر تجربات میں معیاری ماڈل سے آگے کی طبیعیات کی تلاشوں میں بے ترتیبی (anomaly) ڈیٹیکشن کے لیے فطری لنگر بنا دیتا ہے۔ HAXAD حکمتِ عملی مشین لرننگ پر مبنی فیچر ایمبیڈنگ، بیک گراؤنڈ کے تخمینے اور کمزور نگرانی والی کلاسیفیکیشن کو یکجا کرتی ہے، اور یہ کام دو نئی ایمبیڈنگ حکمتِ عملیاں، سگنل ایگناسٹک اور سگنل مخصوص کراس سیکشن لیمٹس فراہم کرنے والا انفرنس فریم ورک، اور سگنل ماڈلز کے نمایاں طور پر وسیع سیٹ متعارف کروا کر اسے ریکارڈ شدہ کولائیڈر ڈیٹا کے لیے درکار پختگی کی طرف لے جاتا ہے۔ یہ بہتریاں اصل طریقے کے مقابلے میں سگنل حساسیت بڑھاتی ہیں، اور اسی فائنل اسٹیٹ پر ایک مثالی کٹ پر مبنی (cut-based) تلاش کے ساتھ موازنے میں HAXAD بہت سے مختلف قسم کے سگنل ماڈلز کے لیے بہترین انفرادی کٹ پر مبنی لیمٹس کے برابر یا اس سے بہتر نتیجہ دیتا ہے۔', 'type': 'text'}

اصل تحریر پڑھیں ↗

تمام آئٹمز →