Core Concepts
가변 길이 잠재 변수 확산 모델을 이용하여 입자 물리 실험에서 측정된 데이터에서 검출기 효과를 제거하고 입자 수준의 분포를 복원할 수 있다.
Abstract
이 논문에서는 입자 물리 실험에서 측정된 데이터에서 검출기 효과를 제거하고 입자 수준의 분포를 복원하기 위한 새로운 방법인 가변 길이 잠재 변수 확산 모델을 제안한다.
기존의 언폴딩 방법은 고정된 관측량만을 다룰 수 있었지만, 이 새로운 방법은 입자 수준의 관측량이 가변적인 경우에도 언폴딩을 수행할 수 있다.
구체적으로 다음과 같은 과정을 거친다:
입자 수준 관측량을 잠재 변수 공간으로 매핑하는 VAE 모델을 학습한다.
검출기 수준 관측량을 잠재 변수 공간으로 매핑하는 인코더 모델을 학습한다.
입자 수의 분포를 예측하는 모델을 학습한다.
잠재 변수 공간에서 확산 과정을 학습하여 입자 수준 분포를 복원한다.
이 방법을 반쪽 렙톤 top 쌍 생성 과정에 적용하여 성능을 평가하였다. 입자 수준의 관측량뿐만 아니라 top 쿼크 등의 복합 관측량에 대해서도 우수한 언폴딩 성능을 보였다.
Stats
입자 수준 관측량의 분포와 검출기 수준 관측량의 분포 사이의 Wasserstein 거리는 대부분 감소하였다.
입자 수준 관측량의 분포와 언폴딩된 분포 사이의 Wasserstein 거리는 대부분 0.5 이하로 작았다.
상위 top 쿼크의 pT 분포와 t¯t 질량 분포에서 언폴딩된 분포와 진실 분포 사이의 거리가 다소 크게 나타났다.
Quotes
"가변 길이 잠재 변수 확산 모델을 이용하여 입자 수준 전체 이벤트 언폴딩을 수행할 수 있다."
"이 방법은 입자 수준 관측량이 가변적인 경우에도 언폴딩을 수행할 수 있다."
"반쪽 렙톤 top 쌍 생성 과정에 적용한 결과, 입자 수준 관측량뿐만 아니라 top 쿼크 등의 복합 관측량에 대해서도 우수한 언폴딩 성능을 보였다."