We study the problem of data-driven background estimation, arising in the search of physics signals predicted by the Standard Model at the Large Hadron Collider. Our work is motivated by the search for the production of pairs of Higgs bosons decaying into four bottom quarks. A number of other physical processes, known as background, also share the same final state. The data arising in this problem is therefore a mixture of unlabeled background and signal events, and the primary aim of the analysis is to determine whether the proportion of unlabeled signal events is nonzero. A challenging but necessary first step is to estimate the distribution of background events. Past work in this area has determined regions of the space of collider events where signal is unlikely to appear, and where the background distribution is therefore identifiable. The background distribution can be estimated in these regions, and extrapolated into the region of primary interest using transfer learning of a multivariate classifier. We build upon this existing approach in two ways. On the one hand, we revisit this method by developing a powerful new classifier architecture tailored to collider data. On the other hand, we develop a new method for background estimation, based on the optimal transport problem, which relies on distinct modeling assumptions. These two methods can serve as powerful cross-checks for each other in particle physics analyses, due to the complementarity of their underlying assumptions. We compare their performance on simulated collider data.

中文翻译：

---

双希格斯玻色子产生的背景建模：密度比和最佳传输

我们研究了数据驱动的背景估计问题，该问题是在搜索大型强子对撞机标准模型预测的物理信号时出现的。我们工作的动机是寻找产生衰变成四个底夸克的希格斯玻色子对。许多其他物理过程，称为背景，也共享相同的最终状态。因此，在这个问题中出现的数据是未标记的背景和信号事件的混合，分析的主要目的是确定未标记的信号事件的比例是否非零。一个具有挑战性但必要的第一步是估计背景事件的分布。该领域过去的工作已经确定了对撞机事件空间中不太可能出现信号的区域，因此背景分布是可识别的。可以在这些区域中估计背景分布，并使用多元分类器的迁移学习将其外推到主要感兴趣的区域。我们以两种方式建立在这种现有方法的基础上。一方面，我们通过开发一种针对碰撞数据量身定制的强大的新分类器架构来重新审视这种方法。另一方面，我们基于最优传输问题开发了一种新的背景估计方法，该方法依赖于不同的建模假设。由于它们基本假设的互补性，这两种方法可以在粒子物理分析中作为相互强大的交叉检查。我们比较了它们在模拟对撞机数据上的表现。并使用多元分类器的迁移学习外推到主要感兴趣的区域。我们以两种方式建立在这种现有方法的基础上。一方面，我们通过开发一种针对碰撞数据量身定制的强大的新分类器架构来重新审视这种方法。另一方面，我们基于最优传输问题开发了一种新的背景估计方法，该方法依赖于不同的建模假设。由于它们基本假设的互补性，这两种方法可以在粒子物理分析中作为相互强大的交叉检查。我们比较了它们在模拟对撞机数据上的表现。并使用多元分类器的迁移学习外推到主要感兴趣的区域。我们以两种方式建立在这种现有方法的基础上。一方面，我们通过开发一种针对碰撞数据量身定制的强大的新分类器架构来重新审视这种方法。另一方面，我们基于最优传输问题开发了一种新的背景估计方法，该方法依赖于不同的建模假设。由于它们基本假设的互补性，这两种方法可以在粒子物理分析中作为相互强大的交叉检查。我们比较了它们在模拟对撞机数据上的表现。我们基于最优传输问题开发了一种新的背景估计方法，该方法依赖于不同的建模假设。由于它们基本假设的互补性，这两种方法可以在粒子物理分析中作为相互强大的交叉检查。我们比较了它们在模拟对撞机数据上的表现。我们基于最优传输问题开发了一种新的背景估计方法，该方法依赖于不同的建模假设。由于它们基本假设的互补性，这两种方法可以在粒子物理分析中作为相互强大的交叉检查。我们比较了它们在模拟对撞机数据上的表现。