Graph theory inspired anomaly detection at the LHC

Resumen Técnico: Detección de Anomalías Inspirada en la Teoría de Grafos en el LHC

Planteamiento del Problema
La búsqueda de física más allá del Modelo Estándar (BSM) en el Gran Colisionador de Hadrones (LHC) enfrenta un desafío central: diseñar algoritmos de detección de anomalías independientes de modelos capaces de manejar la alta dimensionalidad de los eventos de colisión. Las búsquedas tradicionales "top-down" dirigidas a modelos teóricos específicos corren el riesgo de omitir firmas que no se alineen con dichos modelos. Aunque los enfoques de aprendizaje automático no supervisado, como los autoencoders, ofrecen una alternativa agnóstica al modelo al aprender a reconstruir eventos de fondo y marcar eventos de alta pérdida de reconstrucción como anomalías, a menudo tienen dificultades con la complejidad de los datos de jets. Los enfoques estándar que utilizan grafos totalmente conectados o representaciones densas pueden introducir redundancias y sobreajuste (overfitting), particularmente cuando la fracción de señal es pequeña. Este trabajo aborda la necesidad de un sesgo inductivo motivado físicamente que equilibre el contenido de información con la estructura geométrica para mejorar el rendimiento de la detección de anomalías.

Metodología
Los autores desarrollan un Autoencoder de Grafos (GAE) como una herramienta no supervisada y agnóstica al modelo para la detección de anomalías, evaluada mediante el conjunto de datos de las Olimpiadas del LHC 2020. La metodología introduce dos innovaciones primarias en la representación de los constituyentes de los jets como grafos:

1. Construcciones de Grafos Dispersos mediante Rigidez de Grafos: En lugar de utilizar grafos totalmente conectados (que escalan cuadráticamente, $O(N^2)$), los autores construyen grafos dispersos donde el número de aristas escala linealmente con el número de constituyentes ($N$). Estas construcciones están motivadas por la teoría de la rigidez de grafos en el espacio euclidiano ($\mathbb{R}^2$):

   • Grafos de Laman: Grafos localmente rígidos con $2N-3$ aristas, construidos mediante operaciones de tipo Henneberg I. Estos aseguran la rigidez local pero pueden admitir múltiples realizaciones discretas.
   • Grafos Únicos: Grafos globalmente rígidos que admiten un embebido único (salvo isometrías) en $\mathbb{R}^2$. Los autores construyen grafos "únicos-$k$" comenzando con un subgrafo totalmente conectado de las $k+1$ partículas más duras y conectando cada partícula subsiguiente a sus $k$ vecinos más cercanos en distancia angular. Para $k \geq 3$, estos grafos satisfacen las condiciones de Hendrickson para la rigidez global.

2. Agrupación de Subjets como un Regulador de Información: Para controlar la complejidad de la entrada, los constituyentes de los jets se agrupan en un número fijo de subjets exclusivos $k_T$. Esto permite una interpolación suave entre representaciones de bajo nivel (hadrones) y de alto nivel (estadísticas de resumen). Las entradas del modelo consisten en el momento transversal ($p_T$) de los nodos y las distidades angulares relativas ($\theta_{ij}$) y las variables cinemáticas ($k_{T,ij}, z_{ij}$) de las aristas, en lugar de posiciones absolutas, para alinearse con los observables de la QCD perturbativa.

La arquitectura emplea un autoencoder basado en Redes Neuronales de Grafos (GNN). El codificador utiliza capas EdgeConv para procesar las características de los nodos y las aristas, comprimiendo la entrada en una representación de nodo latente de 2 dimensiones (un "cuello de botella estrecho"). El decodificador consta de dos ramas: una que reconstruye las características de los nodos y otra que reconstruye las características de las aristas. El modelo se entrena para minimizar el Error Cuadrático Medio (MSE) de ambas reconstrucciones de nodos y aristas en datos ricos en fondo.

Contribuciones Clave

• Sesgo Inductivo mediante Rigidez: El artículo demuestra que imponer la rigidez de un grafo (específicamente la rigidez global mediante grafos únicos) sirve como un sesgo inductivo efectivo, proporcionando suficientes restricciones geométricas para fijar las posiciones de las partículas sin la redundancia de los grafos totalmente conectados.
• Nivel Óptimo de Información: El estudio identifica que el rendimiento de la detección de anomalías alcanza su máximo en un nivel intermedio de agrupación de subjets ($n_{\text{subjets}} \approx 30$), contrastando con las tareas de clasificación de jets que a menudo se benefician de la máxima información de bajo nivel.
• Superioridad de los Grafos Únicos Dispersos: Los autores muestran que construcciones específicas de grafos dispersos (unique-6) superan a los grafos totalmente conectados en tareas de detección de anomalías.
• Interpretabilidad: Al vincular la conectividad de los grafos con las propiedades topológicas del espacio de fases, el trabajo mejora la interpretabilidad de las herramientas de aprendizaje automático para experimentos de colisionadores.

Resultados Numéricos
Utilizando el conjunto de datos de las Olimpiadas del LHC (simulando una resonancia $Z' \to X Y$ con $m_{Z'} = 3.5$ TeV), los autores evaluaron el rendimiento utilizando el Área Bajo la Curva (AUC) y la curva de Mejora de Significancia (SIC).

• Rendimiento de los Grafos: La construcción del grafo único-6 logró el mejor rendimiento, obteniendo un SIC máximo de 2.94 y un AUC de 0.925 con $n_{\text{subjets}} = 30$. Esto superó a los grafos totalmente conectados, los grafos de Laman y otras variantes de grafos únicos-$k$.
• Dispersión vs. Topología: Aunque aumentar la dispersión generalmente mejoró el rendimiento hasta cierto punto, se encontró que la estructura de conectividad específica de los grafos únicos era más crítica que la dispersión por sí sola. Los grafos "Laman modificados" (que interpolan entre Laman y el totalmente conectado añadiendo aristas) no replicaron el pico de rendimiento de los grafos únicos, lo que sugiere que la topología del grafo único captura mejor la estructura subyacente del espacio de fases.
• Características de Entrada: Los modelos que dependían únicamente de la información posicional absoluta o que reconstruían los 3-momentos completos funcionaron significativamente peor, confirmando que las relaciones relativas codifican la información física relevante.
• Robustez: El rendimiento se mantuvo estable para relaciones señal-fondo de hasta $S/B \lesssim 1\%$, consistente con el paradigma no supervisado.

Significado y Reivindicaciones
El artículo sostiene que aprovechar los conocimientos de la teoría de grafos, específicamente los conceptos de rigidez local y global, permite el refinamiento de las herramientas de aprendizaje automático para experimentos de colisionadores. Los resultados sugieren que:

1. Sesgos Motivados Físicamente: Los grafos dispersos y rígidos proporcionan una elección natural para los sesgos inductivos en la detección de anomalías, reteniendo la estructura geométrica esencial mientras se evita el sobreajuste asociado con las representaciones densas.
2. Estado del Arte en Rendimiento: La construcción del grafo único-6 representa el estado del arte actual entre los métodos de autoencoder no supervisados para este benchmark específico de detección de anomalías.
3. Complementariedad: El enfoque resalta una diferencia distintiva entre la clasificación supervisada (que se beneficia de datos de bajo nivel ricos) y la detección de anomalías no supervisada (que se beneficia de información de nivel intermedio estructurada).

Los autores concluyen que estos hallazgos motivan una mayor exploración de la conexión entre la teoría de grafos, la complejidad computacional y la interpretabilidad del aprendizaje automático en la física de altas energías, sin pretender una capacidad de descubrimiento inmediata, sino demostrando una sensibilidad mejorada en las búsquedas agnósticas al modelo.