Key points are not available for this paper at this time.
Resumo Discutimos um método que emprega um perceptron de múltiplas camadas para detectar desvios de um modelo de referência em grandes conjuntos de dados multivariados. Nossa estratégia de análise de dados não depende de nenhuma suposição prévia sobre a natureza do desvio. Ela é projetada para ser sensível a pequenas discrepâncias que surgem em conjuntos de dados dominados pelo modelo de referência. Os principais blocos conceituais foram introduzidos em D’Agnolo e Wulzer (Phys Rev D 99 (1), 015014. 10.1103/PhysRevD.99.015014 . arXiv:1806.02350 hep-ph, 2019). Aqui, fazemos progressos decisivos na implementação do algoritmo e demonstramos sua aplicabilidade a problemas em física de alta energia. Mostramos que o método é sensível a potenciais sinais de nova física em estados finais de di-muon no LHC. Também comparamos nosso desempenho em problemas exemplo com os de métodos alternativos propostos na literatura.
D’Agnolo et al. (Sex,) estudaram essa questão.