論文の概要: Mono-Z Dark Matter Search with Neural Spline Flows Using CMS Run 2015D Open Data

• arxiv url: http://arxiv.org/abs/2607.13771v1
• Date: Wed, 15 Jul 2026 12:31:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.759422
• Title: Mono-Z Dark Matter Search with Neural Spline Flows Using CMS Run 2015D Open Data
• Title（参考訳）: CMS Run 2015D Open Dataを用いたニューラルネットワークを用いたモノ-Zダークマターサーチ
• Abstract要約: 本報告では, (sqrts=13) TeV において, レプトン状崩壊 (Z) ボソンと相関して生成する暗黒物質 (DM) の探索を行った。 5つのニューラルスプラインフローは、標準モデル背景とメディエータ固有のDM信号密度をモデル化するために独立に訓練される。 事象ごとのテスト統計は、信号と背景密度の推定値との対数類似比から構成される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We report a search for dark matter (DM) produced in association with a leptonically decaying \(Z\) boson at \(\sqrt{s}=13\) TeV using CMS Run 2015D open data corresponding to an integrated luminosity of \(2.32\,\mathrm{fb}^{-1}\) together with simplified-model Monte Carlo simulation. Events are selected in the mono-\(Z\rightarrow\ell^+\ell^-\) final state in both the \(μμ\) and \(ee\) channels. Forty kinematic observables are extracted from MINIAOD and MINIAODSIM, cleaned with physics-motivated selections, and reduced to a 37-dimensional feature vector. Five Neural Spline Flows are trained independently to model Standard Model background and mediator-specific DM signal densities. The per-event test statistic is constructed from the log-likelihood ratio between the signal and background density estimates, providing sensitivity across the full kinematic phase space without requiring a hard upper \(\mathrm{MET}\) threshold. A simultaneous profile-likelihood fit combining the two channels yields observed (expected) 95\% confidence level upper limits on the signal-strength parameter of \(μ<0.0177\) (\(0.0018\)) for the scalar mediator, \(μ<0.0362\) (\(0.0039\)) for the vector mediator, and \(μ<0.0498\) (\(0.0069\)) for the axial-vector mediator. The observed limits are weaker than expected because of a residual high-\(\mathrm{MET}\) background-modeling discrepancy rather than evidence for a DM signal. To our knowledge, this is the first application of Neural Spline Flow likelihood-ratio scoring to a mono-\(Z\) dark matter search using CMS Run 2015D open data simultaneously in the \(μμ\) and \(ee\) channels.
• Abstract（参考訳）: CMS Run 2015D Open Data with a integrated luminosity of \(2.32\,\mathrm{fb}^{-1}\) with simple-model Monte Carlo Simulation。 イベントは、モノ-\(Z\rightarrow\ell^+\ell^-\)最終状態の \(μμ\) と \(ee\) のチャネルで選択される。 MINIAODとMINIAODSIMから40種のキネマティック・オブザーバブルを抽出し、物理を動機とした選択で洗浄し、37次元の特徴ベクトルに還元する。 5つのニューラルスプラインフローは、標準モデル背景とメディエータ固有のDM信号密度をモデル化するために独立に訓練される。 事象ごとのテスト統計は信号と背景密度の推定値の対数的比から構成され、ハードな上面 \(\mathrm{MET}\) 閾値を必要とせず、全運動位相空間に感度を与える。 スカラーメディエータの信号強度パラメータ \(μ<0.0177\) (\(0.0018\))、ベクトルメディエータの \(μ<0.0362\) (\(0.0039\))、軸ベクトルメディエータの \(μ<0.0498\) (\(0.0069\)) の信号強度パラメータの95%の信頼レベル上限が観測された(予測)。 観測された限界は、DM信号の証拠よりも、背景モデリングの相違が残されているため、予想よりも弱い。 我々の知る限り、これはCMS Run 2015Dによるモノ-\(Z\)ダークマターサーチに対するニューラルスプラインフロー確率比(Neural Spline Flow chance-ratio)の初めての応用である。

関連論文リスト

• Hadronic Mono-Z Dark Matter Sensitivity with Flow Matching on CMS Open Data [0.0]
  CMS Run2015D HTMHTオープンデータを用いたハドロン単価Z$ダークマター生産に対する感度予測法を提案する。 背景は、選択したHTMHTイベントに基づいてトレーニングされた条件付きフローマッチング連続正規化フローでモデル化される。
  論文  参考訳（メタデータ） (2026-08-21T17:12:34Z)
• Asymptotic-Preserving A Posteriori Analysis of Diffusion and Flow-Matching Samplers [0.6768558752130311]
  拡散及びフローマッチングサンプリングは、学習した確率フローODEを、大きなノイズスケールから小さな終端フロア($_min$)まで統合し、スコアが硬く、フローが境界層を発達させる。 特異摂動パラメータとして$_min$を扱い、どの固定ステップサンプリングが解けるかを決定する。
  論文  参考訳（メタデータ） (2026-07-05T04:48:33Z)
• Reading Weakly, Acting Strongly: A Static Parity Horizon and its Dynamical Bypass in the Monitored Lipkin-Meshkov-Glick Model [0.0]
  リプキン・メシュコフ・グリックモデル(LMG)の対称性の破れについて検討した。 2つの最低状態がトンネルによって分裂したほぼ縮退したパリティ・ダブルトを形成する。 また,Doublet分割を設定した同一のインスタントン動作S_instが,静的J_z磁化読み出しのパリティ情報をどの程度抽出できるかを制御可能であることを示す。
  論文  参考訳（メタデータ） (2026-06-21T13:26:37Z)
• Posterior Augmented Flow Matching [64.1559809786948]
  後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
  論文  参考訳（メタデータ） (2026-05-01T17:59:59Z)
• The Geometric Cost of Normalization: Affine Bounds on the Bayesian Complexity of Neural Networks [0.0]
  重み行列の局所学習係数(LLC)を正確に$m/2$とすることで、LayerNormの平均中心ステップを線形超平面に収束させることを証明した。 さらに、Softmaxの単純なデータに"smuggled bias"を導入し、明示的な下流バイアスと組み合わせると、同じ$m/2$ LLCのドロップを起動することを示す。
  論文  参考訳（メタデータ） (2026-03-28T22:15:45Z)
• Gaussian Mixture Flow Matching Models [63.092956669059824]
  拡散モデルは正規分布をガウス平均として近似し,その平均を推定する一方,フローマッチングモデルはガウス平均をフロー速度としてパラメータ化する。 離散化誤差による数段階のサンプリングでは性能が低下し、分類器フリーガイダンス(CFG)では過飽和色が生じる傾向にある。 本稿では,CFGの過飽和問題を緩和し,画像生成品質を向上する新しい確率的ガイダンス手法を提案する。
  論文  参考訳（メタデータ） (2025-04-07T17:59:42Z)
• From optimal score matching to optimal sampling [0.2812395851874055]
  重要な実装ステップは、トレーニングデータから前方拡散過程のスコア関数を推定するスコアマッチングである。 スコアベース拡散モデルの普及にもかかわらず、スコア推定のための正確な最適統計率に関する基本的な理論的問題とその密度推定への応用は未解決のままである。 差分分布のスコア関数(f * MathcalN(0, t))をスコアマッチング損失に対して推定する最小値が(frac1nt2wedge frac1)であることが証明される。
  論文  参考訳（メタデータ） (2024-09-11T06:02:47Z)
• Learning with Norm Constrained, Over-parameterized, Two-layer Neural Networks [54.177130905659155]
  近年の研究では、再生カーネルヒルベルト空間(RKHS)がニューラルネットワークによる関数のモデル化に適した空間ではないことが示されている。 本稿では,有界ノルムを持つオーバーパラメータ化された2層ニューラルネットワークに適した関数空間について検討する。
  論文  参考訳（メタデータ） (2024-04-29T15:04:07Z)
• Fundamental tradeoffs between memorization and robustness in random features and neural tangent regimes [15.76663241036412]
  モデルがトレーニングのごく一部を記憶している場合、そのソボレフ・セミノルムは低い有界であることを示す。 実験によって初めて、(iv)ミンノルム補間器の堅牢性における多重発色現象が明らかになった。
  論文  参考訳（メタデータ） (2021-06-04T17:52:50Z)
• Towards a method to anticipate dark matter signals with deep learning at the LHC [58.720142291102135]
  ニューラルネットワークを用いた簡易暗黒物質モデルとそのシグネチャをLHCで検討した。 通常のモノジェットと逆エネルギーチャネルの欠如に焦点を当てるが、アルゴリズムを訓練するためには、イベント・バイ・イベント・アレーの代わりに2Dヒストグラムでデータを整理する。 これにより、標準モデル(SM)のみとSMと新しい物理信号とを区別する性能が大きく向上する。
  論文  参考訳（メタデータ） (2021-05-25T15:38:13Z)
• Sample Complexity of Asynchronous Q-Learning: Sharper Analysis and Variance Reduction [63.41789556777387]
  非同期Q-ラーニングはマルコフ決定過程(MDP)の最適行動値関数(またはQ-関数)を学習することを目的としている。 Q-関数の入出力$varepsilon$-正確な推定に必要なサンプルの数は、少なくとも$frac1mu_min (1-gamma)5varepsilon2+ fract_mixmu_min (1-gamma)$の順である。
  論文  参考訳（メタデータ） (2020-06-04T17:51:00Z)
• Semi-Supervised Learning with Normalizing Flows [54.376602201489995]
  FlowGMMは、フローの正規化を伴う生成半教師付き学習におけるエンドツーエンドのアプローチである。 我々は AG-News や Yahoo Answers のテキストデータなど,幅広いアプリケーションに対して有望な結果を示す。
  論文  参考訳（メタデータ） (2019-12-30T17:36:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。