Calibrage de l'énergie des jets avec entraînement ML in-situ et identification des anomalies en Physique des Hautes Energies et Finance

Jet energy calibration with in-situ ML training and identification of anomalies in HEP and Finance

• Auteur / Autrice : Laura Boggia
• Direction : Mélissa Ridel
• Type : Projet de thèse
• Discipline(s) : Physique de l'Univers
• Date : Inscription en doctorat le 03/10/2022
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : École doctorale Sciences de la terre et de l'environnement et physique de l'univers
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Physique Nucléaire et des Hautes Energies

Mots clés

Mots clés libres

Apprentissage automatique

Physique de jets

Fraud detection

Détection des anomalies

Machine learning

Jet physics

Fraud detection

Anomaly detection

Résumé

L'objectif de cette thèse de doctorat est d'automatiser l'apprentissage de modèles de décision en combinant des méthodes statistiques et des méthodes basées sur la connaissance pour des applications dans (i) la physique des hautes énergies pour la reconnaissance des collisions de particules et (ii) le cas commercial de la détection de la fraude pour identifier les modèles créés par l'homme (fraude) dans les transactions financières. Les données disponibles pour la formation dans le cadre de ce projet consisteront en de larges échantillons d'événements simulés et de données expérimentales réelles provenant de l'expérience ATLAS au LHC. Les réseaux de détection impliqués dans l'expérience sont soumis à diverses sources de bruit ou à des fluctuations dans la réponse, qui peuvent déclencher des mesures non désirées ou biaisées. Par conséquent, le premier projet qui correspond à la tâche de qualification de l'ATLAS vise à combiner plusieurs étapes du schéma d'étalonnage actuel, basé soit sur la simulation de Monte Carlo, soit sur des données expérimentales (étalonnage in-situ), avec l'apprentissage automatique. En partant d'un modèle d'apprentissage supervisé fonctionnant uniquement avec des simulations de Monte Carlo, l'objectif est d'injecter des informations supplémentaires provenant de données expérimentales. Il est essentiel d'inclure dans l'étalonnage ce genre d'informations afin de compenser les différences potentielles entre simulation et expérience. Dans la continuation directe de la tâche de qualification, le projet suivant du côté d'ATLAS se concentre sur l'identification d'événements anormaux de dijets entraînant des réponses inhabituelles des jets. En outre, des simulations rapides sont utilisées pour pouvoir ajouter et contrôler de telles anomalies. Ceci est important car cela pourrait permettre d'en savoir plus sur la nature de ces anomalies et leurs causes. Il est également intéressant de voir quelles informations sont nécessaires pour les identifier dès les données brutes où presque aucune caractéristique de haut niveau n'est donnée puisque les contrôles de qualité des données sont effectués avant l'étalonnage du jet. Parallèlement, les techniques mises au point pour la détection des anomalies dans la physique des hautes énergies sont adaptées au cas de la détection des fraudes dans les flux de transactions à grande vitesse, où des problèmes similaires de détection d'anomalies sont présents. Les plateformes de paiement détectent les transactions frauduleuses en temps réel en identifiant les schémas de fraude connus encodés par les experts humains. Elles utilisent également la modélisation prédictive pour identifier des modèles de transaction inédits (et anormaux) susceptibles d'être frauduleux. Les techniques susmentionnées de détection des anomalies seront adaptées au problème de la modélisation prédictive. Ce projet est réalisé en collaboration avec IBM Research, qui fait également partie de ce projet de thèse de doctorat.

The goal of this PhD thesis is to automate the learning of decision models by combining statistical and knowledge-based methods for applications in (i) high energy physics for the recognition of particle collisions and (ii) the business case of fraud detection to identify human-created (fraud) patterns in financial transactions. The data available for training this project will consist of large samples of simulated events and real experimental data from the ATLAS experiment at the LHC. The detection arrays that are involved in the experiment are subject to various noise sources or fluctuations in the response, that can trigger unwanted or biased measurements. Therefore, the first project which corresponds to the ATLAS authorship qualification task aims at combining several steps of the current calibration scheme, based either on Monte Carlo simulation or experimental data (so-called in situ calibration), with machine learning. Starting from a supervised learning model purely working with Monte Carlo simulations, the goal is to inject additional information from experimental data. It is essential to include information from real dijet events in the calibration to make up for the potential differences between simulation and experiment. As a direct continuation of the qualification task, the next project on the ATLAS side focuses on identifying anomalous dijet events resulting in unusual jet responses. Furthermore, a fast simulation framework is used to be able to add and control such anomalies. This is important because it might allow to learn more about the nature of those anomalies and their causes. It is further interesting to see which information is needed to identify them already in raw data where almost no high-level features are given since the data quality checks are done before the jet calibration. In parallel, the techniques developed for the anomaly detection in high energy physics are adapted to the use case of fraud detection in high-speed transaction flows, where similar anomaly detection problems are present. Payment platforms detect fraudulent transactions in real time by identifying known fraud patterns encoded by the human experts. They also employ predictive modelling to identify previously unseen (and anomalous) transaction patterns that are possibly fraudulent. The above-mentioned techniques for anomaly detection will be adjusted to the predictive modelling problem. This project is done in collaboration with IBM Research which is also part of this PhD thesis project.