近期，南京师范大学物理科学与技术学院Andrew Fowlie副教授与德国亚琛工业大学Sebastian Hoof博士、英国剑桥大学Will Handley博士提出了一种能够快速计算统计p值的新方法，研究成果对高能物理、宇宙学和天文学等领域的数据统计分析有着重要作用。该工作以《Nested Sampling for Frequentist Computation: Fast Estimation of Small p-Values》为题正式发表在国际顶级物理学学术刊物Physical Review Letters (IF= 9.161，SCI一区，https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.128.021801)。
Andrew Fowlie和合作者提出了一种计算统计“ p 值”的新算法，这是确定检测希格斯玻色子等新粒子的金标准。他们发现，一种被称为嵌套抽样的计算技术，在宇宙学中通常用于从望远镜数据中提取宇宙的参数，可以重新用于计算粒子物理学中广泛使用的统计数据。他们表明，与以前的技术相比，使用嵌套抽样可以更快地计算 p 值，速度可达一万倍。除了是一个“绿色”的超级计算方法，这使得计算一度被认为是不可能的，与未来的实验设计的影响。这些技术原则上适用于任何需要精确估计小 p 值以建立新现象的黄金标准发现的科学学科。
几十年来，p 值在发现高能物理以及许多其他领域和学科中的新现象方面发挥了至关重要的作用。 p 值是在零假设下观察到的结果至少与观察到的数据一样“极端”的概率。 当观察到的 p 值小于预先指定的阈值 α 时，我们拒绝原假设并声明发现。正如希格斯玻色子发现（2013年诺贝尔物理学奖）所推广的那样，HEP 通常需要 α∼10−7，也称为“5σ 规则”。 因此，建立一个发现需要计算 p≲10-7。 这暴露了计算 p 值的标准方法中的困难，包括寻找别处效应、流行的渐近结果中的错误假设，以及通过蒙特卡洛 (MC) 模拟计算 p 值的计算成本。 为了克服这些问题，在希格斯搜索的同时开发了半解析渐近公式。
然而，MC 模拟通常是不可避免的，因为渐近公式做出的假设通常不成立或难以检查 。 直截了当的例子包括不能证明采用渐近极限的小样本量，或者考虑的假设没有嵌套。 例如，大型强子对撞机的 ATLAS 和 CMS 使用 MC 模拟，例如，搜索与粒子物理学的标准模型 (SM)，搜索超对称，以及希格斯玻色子特性的测量 。 在对撞机物理学之外，XENON Collaboration和 Fermi-LAT和 IceCube在天文学中使用它们来搜索暗物质。
Andrew Fowlie与合作者提出了一种基于嵌套采样 (NS) 计算全局或局部 p 值的新技术，该技术在某些情况下的性能比 MC 模拟呈指数级好。 由于这种技术避免了 1 / p 的缩放，与以前的技术相比，使用嵌套采样可以将 p 值的计算速度提高一万倍（见上图）。除了是一个“绿色”的超级计算方法，这使得计算一度被认为是不可能的，与未来的实验设计的影响。这些技术原则上适用于任何需要精确估计小 p 值以建立新现象的黄金标准发现的科学学科。这将对下一步高能物理、天文和宇宙学数据分析具有重要意义。
该论文获得了审稿专家的高度评价，已正式在线发表在国际顶级物理类期刊PHYSICAL REVIEW LETTERS 128, 021801 (2022) 。南京师范大学为第一单位，Andrew Fowlie为论文第一作者和通讯作者。此项研究得到了国家自然科学基金委、国家外专局、南京师大彭桓武科教合作中心、天体物理与前物理交叉中心的资助和支持。
文章链接：
https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.128.021801