经过对抗训练的自动编码器可进行健壮的无监督新物理搜索

直接对数据进行训练时,粒子物理学中的机器学习技术最为强大,可避免对理论不确定性或预期信号的潜在偏差敏感。 为了能够在寻找新物理学的过程中训练数据,异常检测方法势在必行,这可以通过充当无监督分类器的自动编码器来实现。 然后,影响分类器的不确定性的最后来源是最终状态对象重建中的实验不确定性。 为了减轻它们对分类器的影响并允许对该方法进行实际评估,我们建议将自动编码器与对抗神经网络相结合,以消除其对最终状态对象拖影的敏感性。 我们对它的影响进行了量化,并表明可以在共振引起的t t≤t \ overline {t} $$最终状态下实现鲁棒的异常检测。