CNN on `Top': In Search of Scalable & Lightweight Image-based Jet Taggers

إليك ملخص تقني مفصل للورقة البحثية بعنوان "CNN on 'Top': In Search of Scalable & Lightweight Image-based Jet Taggers" (الشبكات العصبية التلافيفية على "القمة": البحث عن مصنفات نفاثات تعتمد على الصور، قابلة للتوسع وخفيفة الوزن).

1. بيان المشكلة

في عصر مصادم الهادرونات الكبير عالي السطوع (HL-LHC)، يعد تحديد "النفاثات السمينة" (fat jets) -وهي النفاثات الناتجة عن الاضمحلال الهادروني لجسيمات ضخمة ومعززة مثل الكوارك العلوي (top quark)- وسط بحر من نفاثات الكواركات الخفيفة والجلوونات، أمراً بالغ الأهمية للبحث عن الفيزياء الجديدة.

• التحدي: في حين أن النماذج القائمة على المحولات (Transformers) والشبكات العصبية الرسومية (GNNs) تقدم حالياً أعلى دقة لتصنيف النفاثات، إلا أنها مكلفة حاسوبياً. فهي غالباً ما تتطلب بناء رسوم بيانية كاملة الاتصال (تفاعلات زوجية) أو نماذج تأسيسية ضخمة، مما يجعل نشرها على الأجهزة القياسية أو استخدامها في الاستدلال في الوقت الفعلي أمراً صعباً.
• الهدف: يهدف المؤلفون إلى تطوير بنية شبكة عصبية تلافيفية (CNN) خفيفة الوزن وقابلة للتوسع تحقق أداءً تنافسياً في تصنيف نفاثات الكوارك العلوي دون العبء الحسابي الثقيل للمحولات أو الشبكات العصبية الرسومية الضخمة.

2. المنهجية

أ. تحضير البيانات

• مجموعة البيانات: مجموعة بيانات موجودة مسبقاً لـ 2 مليون حدث (1 مليون نفاثة كوارك علوي، 1 مليون نفاثة خلفية QCD) تم توليدها عند طاقة مركز الكتلة $\sqrt{s} = 14$ TeV باستخدام Pythia8 ومحاكاتها باستخدام Delphes.
• اختيار النفاثة: تم اختيار نفاثات الكوارك العلوي بـ $p_T \in [550, 650]$ GeV ونصف قطر $R=0.8$. يجب أن تكون جميع نواتج الاضمحلال ضمن نطاق $\Delta R = 0.8$.
• تمثيل الصورة:
  • تم توزيع المكونات في صور مكونة من 3 قنوات تمثل الزخم المستعرض ($p_T$)، والكتلة ($m$)، والطاقة ($E$).
  • الدقة: تم اختبار دقتيْن أساسيتين: $35 \times 35$ و $40 \times 40$.
  • المعالجة المسبقة: تم توحيد معايير الصور (طرح المتوسط والقسمة على الانحراف المعياري) وتم قص المركز (center-cropping) إلى $28 \times 28$ (من 35) و $32 \times 32$ (من 40) لعزل قلب النفاثة.
  • التعزيز (Augmentation): تم استخدام القلب العشوائي (random flipping) عبر المحاور؛ وتم تجنب القص العشوائي (random cropping) للحفاظ على مركز النفاثة.

ب. الميزات العالمية (Global Features)

لتعزيز كفاءة التصنيف، دمج المؤلفون مجموعة من الميزات العالمية على مستوى النفاثة جنباً إلى جنب مع الصور. وتشمل هذه الميزات:

• الزخم الرباعي للنفاثة ($p_T, \eta, \phi, m_{jet}$).
• عدد المكونات ($N_{cons}$).
• نسب عدم التجانس تحت-النفاثي (N-subjettiness ratios) ($\tau_{21}, \tau_{32}, \dots$).
• دوال الارتباط الطاقي (Energy Correlation Functions) (سلاسل C، وD، وU، وM، وN، وL).
• ملاحظة: تم استبعاد النفاثات التي تحتوي على أقل من 4 مكونات لضمان إمكانية حساب جميع الميزات.

ج. بنيات النماذج

تقارن الدراسة بين بنيتين رئيسيتين للشبكات العصبية التلافيفية (CNN):

1. LeNet (المعيار المرجعي): شبكة CNN تقليدية وبسيطة استُخدمت كخط أساس. تم اختبارها بدقات مدخلات متغيرة.
2. EfficientNet-Small (EffNet-S): نسخة خفيفة من بنية EfficientNet.
   • استراتيجية القياس: بدلاً من استخدام المدخلات عالية الدقة القياسية ($224 \times 224$) المطلوبة لـ EfficientNets الأصلية، طبق المؤلفون القياس المركب (compound scaling) مع معاملات قياس سالبة ($\phi$) لخفض حجم البنية لتناسب المدخلات منخفضة الدقة ($36 \times 36$).
   • الهيكل: تستخدم كتل (Mobile Inverted Bottleneck - MBConv) مع تلافيف عميقة ونقطية لتقليل التكلفة الحسابية مع الحفاظ على الأداء.
   • الدمج: تم دمج الميزات العالمية مع مخرجات طبقة التجميع للشبكة (بعد التسطيح - flattening) وتغذيتها في كتلة متعددة الطبقات (MLP).

د. تكوين التدريب

• الأجهزة: تم التدريب على جهاز كمبيوتر مكتبي واحد (Intel i9، ذاكرة 64 جيجابايت، NVIDIA RTX A2000).
• الإجراء: تمت معالجة البيانات في جولات (300 ألف عينة) لتناسب الذاكرة. تم تدريب النماذج حتى استقرار خسارة التحقق (validation loss).
• التحسين: مُحسن ADAM مع دالة خسارة الإنتروبيا المتقاطعة (cross-entropy loss). تم تعديل أحجام الدفعات (batch sizes) بناءً على قيود ذاكرة وحدة معالجة الرسومات (GPU).

3. المساهمات الرئيسية

1. بنية خفيفة الوزن لفيزياء النفاثات: التكيف الناجح لـ EfficientNet مع صور النفاثات منخفضة الدقة، مما خلق نسخة "EffNet-S" أصغر بكثير من الشبكات التلافيفية القياسية (مثل ResNet-50) مع الحفاظ على دقة عالية.
2. دمج الميزات العالمية: إثبات أن الجمع بين الصور المعتمدة على CNN والميزات الكينماتيكية العالمية يعزز الأداء بشكل كبير، خاصة في رفض الخلفية.
3. تحليل المقايضة بين الكفاءة والدقة: تقديم معيار شامل يوضح أن النماذج الخفيفة يمكن أن تحقق أداءً يضاهي النماذج الأكبر والأكثر تكلفة حاسوبياً (مثل ResNeXt-50) عند استخدام الميزات العالمية.
4. دراسة القياس المنهجي: استقصاء كيفية تفاعل دقة المدخلات مع عمق وعرض النموذج في سياق صور النفاثات المتفرقة، مما كشف أن قواعد القياس القياسية للصور الطبيعية لا تُترجم دائماً مباشرة إلى فيزياء النفاثات دون تعديل.

4. النتائج

• مقاييس الأداء:

  • الدقة: حقق أفضل نموذج EffNet-S (مع الميزات العالمية) دقة تبلغ ~93.38% ومساحة تحت المنحنى (AUC) تبلغ ~98.25%.
  • المقارنة: هذا الأداء يضاهي أو يتجاوز النماذج الأكبر مثل ResNeXt-50 (دقة 93.60%) و DeepTop (دقة 93.00%).
  • رفض الخلفية: عند كفاءة إشارة بنسبة 50%، حققت أفضل النماذج رفضاً لخلفية QCD بنسبة ~98.2%.

• الكفاءة الحسابية:

  • عدد المعلمات (Parameters): تمتلك أفضل نماذج EffNet-S حوالي 422 ألف معلمة، وهو ما يعادل تقريباً 1/7 حجم ResNeX-50 (~1.46 مليون معلمة)، وأصغر بكثير من EfficientNets القياسية (B0 يحتوي على 5.3 مليون).
  • سرعة الاستدلال: نماذج EffNet-S أسرع بمرتين تقريباً من ResNeXt-50. كان وقت الاستدلال لـ 100 نفاثة حوالي 17 مللي ثانية لأكبر نموذج EffNet-S مقارنة بـ 302 مللي ثانية لـ ResNeXt-50.

• تأثير الميزات العالمية:

  • أدى إضافة الميزات العالمية إلى تحسين الدقة ورفض الخلفية عبر جميع البنيات.
  • ومن المثير للاهتمام، بالنسبة للنماذج ذات الميزات العالمية، أصبح الأداء أقل اعتماداً على تعقيد الشبكة (العمق/العرض)، مما يشير إلى أن الميزات العالمية توفر إشارة قوية تعوض البنيات الأبسط.

• الحساسية للدقة (Resolution Sensitivity):

  • بالنسبة لـ LeNet، أدت مدخلات الدقة الأعلى ($40 \times 40$) عموماً إلى تحسين الأداء.
  • بالنسبة لـ EffNet-S، كان الأداء مثالياً عند الدقات المنخفضة ($35 \to 28$) وتراجع قليلاً عند الدقات الأعلى ($40 \to 32$). يفترض المؤلفون أن بنية "عنق الزجاجة" (bottleneck) في كتل MBConv تواجه صعوبة في التعامل مع صور النفاثات المتفرقة عالية الدقة مقارنة بالتلافيف الكاملة.

5. الأهمية والخاتمة

تثبت هذه الورقة أن الشبكات العصبية التلافيفية (CNN) المعتمدة على الصور، والقابلة للتوسع والفعالة حاسوبياً، هي بديل قابل للتطبيق لنماذج المحولات (Transformers) أو الشبكات العصبية الرسومية (GNN) الثقيلة في بيئات السطوع العالي.

• العملية: يمكن لهذه النماذج المقترحة أن تعمل على أجهزة مكتبية قياسية، مما يجعلها متاحة لمجموعة أوسع من الباحثين، ومن المحتمل أن تكون مناسبة لأنظمة التريجر (trigger systems) عبر الإنترنت حيث يكون زمن التأخير (latency) حرجاً.
• تآزر الميزات: يسلط العمل الضوء على أنه يمكن تخفيف "الفائض" في بنيات الشبكات المعقدة من خلال تضمين ميزات عالمية مستوحاة من الفيزياء.
• الاتجاهات المستقبلية: يقترح المؤلفون أن العمل المستقبلي يجب أن يركز على البحث المنهجي عن البنية (architecture search) المصممة خصيصاً لصور النفاثات (بدلاً من مجرد تكييف نماذج ImageNet)، واستكشاف مجموعات "خليط الخبراء" (Mixture of Experts) الهجينة التي تجمع بين نقاط القوة لأنواع الشبكات المختلفة (الصور، التسلسلات، والميزات العالمية).

باخت ملخص، نجح المؤلفون في إثبات أن الشبكات العصبية التلافيفية الخفيفة والقابلة للتوسع، والمعززة بالميزات العالمية، يمكنها تحقيق أداء رائد في تصنيف الكوارك العلوي بجزء بسيط من التكلفة الحسابية للنماذج الرائدة الحالية.