Encoding off-shell effects in top pair production in Direct Diffusion networks

ملخص تقني: ترميز تأثيرات خارج الكتلة (Off-Shell) في إنتاج أزواج التوب باستخدام شبكات الانتشار المباشر

بيان المشكلة
تعد المحاكاة النظرية الدقيقة لإنتاج أزواج الكوارك توب ($t\bar{t}$) في مصادم الهادرونات الكبير (LHC) ضرورية لمقارنة القياسات التجريبية مع النظرية. ومع ذلك، فإن قصر المحاكاة على حركيات "داخل الكتلة" (on-shell) (عن طريق تقريب الجسيمات كأن لها كتلة ثابتة) يمكن أن يؤدي إلى تحيزات. وبينما توفر حسابات "خارج الكتلة" (off-shell) الكاملة دقة أعلى، إلا أنها مكلفة حوسبياً لعمليات توليد الأحداث واسعة النطاق. وقد أرست أعمال سابقة منهجية تستخدم بدائل الشبكات العصبية لرسم خرائط أحداث "داخل الكتلة" إلى توزيعات "خارج الكتلة" عند مستوى الرتبة اللوغاريتمية الأولى (LO). تعالج هذه الورقة تحدي توسيع هذه المنهجية لتشمل الرتبة التالية للرتبة اللوغاريتمية (NLO) في الكروموديناميكا الكمية (QCD)، حيث تصبح فضاء الطور (phase space) أكثر تعقيداً بشكل ملحوظ بسبب إدراج الإشعاع الحقيقي والجسيمات الإضافية في الحالة النهائية.

المنهجية
يستخدم النهج المقترح خط معالجة مكون من مرحلتين من الشبكات العصبية لتحويل عينات أحداث "داخل الكتلة" (أحداث تقريبية لتأثيرات خارج الكتلة) إلى عينات أحداث "خارج الكتلة" (حسابات كاملة خارج الكتلة) عند مستوى NLO.

1. تحضير البيانات وتقليل الأبعاد:

   • المولدات: تستخدم الدراسة مولدات HVQ وST-WTCH-DR للأحداث داخل الكتلة (مزدوجة وأحادية الرنين على التوالي)، ومولد BB4L للأحداث كاملة خارج الكتلة.
   • عدّ الجسيمات: لضمان أن يكون لتوزيعات المدخلات والمخرجات نفس الأبعاد، تم استكمال مولد ST-WTCH-DR (الذي يفتقر إلى جسيم مقارنة بـ HVQ) بجلوون واحد أو كوارك خفيف عبر تقريب شلال PYTHIA.
   • التعامل مع إشعاع NLO: عند مستوى NLO، تحتوي أحداث خارج الكتلة على جسيمات إضافية (حتى اثنين) مقارنة بـ LO. وبما أن الدراسة الحالية تركز فقط على الإشعاع الحقيقي في عملية الإنتاج، فقد تمت إزالة الغلوونات المرتبطة بعملية التحلل ($j'$) من أحداث الهدف خارج الكتلة لمطابقة أبعاد المدخلات داخل الكتلة.
   • الحفاظ على الحركية: للحفاظ على حركية كوارك التوب الصحيحة بعد إزالة إشعاع التحلل، تم تحويل الأحداث إلى إطار rest frame الخاص بكوارك التوب/التوب المضاد باستخدام حركيات Born المقدمة من BB4L.
   • هندسة الميزات: تم تحويل مكونات الزخم من $(E, p_x, p_y, p_z)$ إلى $(p_T, \phi, \eta, m)$. كما تم تدوير الزوايا السمتية لضبط $\phi_{\bar{\nu}} = 0$، مما قلل من إجمالي الأبعاد من 28 إلى 18 من خلال قيود حفظ الزخم.

2. شبكة الانتشار المباشر البايزية (DiDi):

   • البنية: تقوم شبكة انتشار مباشر بايزية (تم تنفيذها كشبكة مطابقة تدفق مشروطة - Conditional Flow Matching) برسم خريطة لفضاء الطور داخل الكتلة إلى فضاء الطور خارج الكتلة. وخلافاً للشبكات العصبية التقليدية ذات التغذية الأمامية، يتم تمثيل الأوزان والانحيازات كأشكال توزيع طبيعي ذات متوسطات وانحرافات معيارية قابلة للتعلم.
   • آلية التدريب: تتعلم الشبكة حقل سرعة $v_\theta$ على طول مسارات خطية تربط بين أحداث عشوائية مختارة من داخل الكتلة ($x_1$) وخارج الكتلة ($x_0$). وهي تعمل على تقليل متوسط مربع الخطأ بين السرعة المتوقدة ومتجه السرعة الحقيقي $(x_1 - x_0)$.
   • تقدير عدم اليقين: من خلال أخذ عينات من توزيعات الأوزان المتعلمة، تولد الشبكة مجموعة من الأحداث المحولة لكل مدخل. ويوفر التباين في الحركية الناتجة تقديراً لعدم يقين التنبؤ.
   • تكوين المدخلات: تتضمن دفعة التدريب مزيجاً من أحداث $t\bar{t}$ مزدوجة الرنين وأحداث التوب الفردي أحادية الرنين (بنسبة تقارب 2.75% للتوب المضاد والتوب)، مما يعكس نسبتها في عينة BB4L، وذلك لتحسين جودة التحويل.

3. إعادة الوزن القائمة على المصنف:

   • تم تدريب شبكة مصنف ثانوية للتمييز بين الأحداث المولدة بواسطة الانتشار المباشر (DiDi) وأحداث الهدف الحقيقية خارج الكتلة.
   • يُستخدم مخرج المصنف $C(x)$ لحساب عامل إعادة الوزن $w(x) = C(x) / (1 - C(x))$.
   • تعمل هذه الخطوة على ضبط كثافة الأحداث المولدة لتتطابق بشكل أفضل مع توزيع خارج الكتلة المستهدف. ويشير المؤلفون إلى أن هذه الخطوة تكون غير فعالة بدون تحويل DiDi الأولي، لأن مناطق واسعة من فضاء الطور تظل غير مأهولة في البيانات الخام داخل الكتلة.

المساهمات الرئيسية والنتائج

• التوسع إلى NLO: تثبت الورقة جدوى نهج الانتشار المباشر في فضاء الطور الأكثر أبعاداً لـ NLO، وهي خطوة هامة تتجاوز نتائج LO التي تم إثباتها سابقاً.
• الدقة: تولد الطريقة المركبة (DiDi + إعادة الوزن) توزيعات أحداث خارج الكتلة تطابق توزيع BB4L المستهدف بانحراف لا يتعدى بضع درجات مئوية. وفي مناطق واسعة من فضاء الطور، ينخفض الانحراف إلى أقل من 1%.
• الملاحظات (Observables): نجحت عملية التحويل في إعادة إنتاج توزيعات الملاحظات الرئيسية، مثل التوب المضاد المعاد بناؤه ($m_{\bar{b}l\bar{\nu}}$) وكتلة الليبتون وكتلة الـ b-jet ($m_{lb}$). وقد تبين أن إدراج الأحداث أحادية الرنين في عينة المدخلات أمر بالغ الأهمية لملء مناطق فضاء الطور التي قد تكون ضعيفة الكثافة عند مستوى LO.
• التنفيذ البايزي: يسمح استخدام الشبكة العصبية البايزية بتقدير عدم يقين التنبؤ، وهي ميزة لم تكن موجودة في تنفيذ LO السابق.

الأهمية والقيود
تدعي الورقة أن هذا العمل يمثل "الخطوات الأولى" نحو إطار عمل كامل لمحاكاة خارج الكتلة عند مستوى NLO. تكمن الأهمية في إثبات أن بدائل الشبكات العصبية يمكنها التعامل مع التعقيد المتزايد لحركيات NLO، بما في ذلك الإشعاع الحقيقي في عملية الإنتاج.

ومع ذلك، فإن المؤلفين صريحون بشأن النطاق الحالي والقيود:

• NLO غير مكتمل: تتناول الدراسة فقط الإشعاع الحقيقي في عملية الإنتاج. أما الإشعاع في عملية التحلل ($j'$) فقد تمت إزالته للحفاظ على الأبعاد، ويجب إعادة ربطه في الأعمال المستقبلية دون استخدام تقنيات التعلم الآلي.
• العمل المستقبلي: يتطلب التوليد الكامل لأحداث NLO خارج الكتلة إعادة ربط إشعاع التحلل. بالإضافة إلى ذلك، لم يتم جعل شبكة المصنف بايزية بعد، كما أن تحليل عدم اليقين الكامل الذي يشمل كلتا الشبكتين مؤجل لنشر مستقبلي.
• التحقق: من المخطط إجراء اختبارات تفصيلية، مثل مقارنة الأحداث التي تعرضت لعملية الشلال (showered events)، في ورقة بحثية لاحقة.

باختم القول، يوفر هذا العمل إثبات مفهوم قوي بأن شبكات الانتشار المباشر يمكنها بكفاءة ترميز تأثيرات خارج الكتلة في إنتاج أزواج التوب عند مستوى NLO، مما يوفر بديلاً قابلاً للتطبيق حوسبياً للحسابات الكاملة خارج الكتلة مع الحفاظ على دقة عالية تجاه التوزيعات المستهدفة.