AI 與世界的難題 · 物理學 · arXiv · 2026-10-22
以弱監督式機器學習，邁向搜尋包含希格斯玻色子在內之新物理訊號的異常偵測
原標題: Towards anomaly detection searches for new physics signatures including Higgs bosons with weakly supervised machine learning
希格斯玻色子與質量的普遍耦合，使其成為在對撞機實驗中搜尋超越標準模型物理之異常偵測的天然錨點。HAXAD 策略結合了基於機器學習的特徵嵌入、背景估計與弱監督式分類，而這項工作透過引入兩種新的嵌入策略、一個可產出訊號無關與訊號特定截面極限的推論框架，以及大幅擴充的訊號模型集合，使其朝處理已記錄對撞機資料所需的成熟度邁進。這些改進相較原始方法提升了訊號靈敏度，而在相同終態上與一個切割式搜尋範例進行基準比較後，HAXAD 對多種訊號模型達到或超越最佳的個別切割極限。