Implementation of full and simplified likelihoods in CheckMATE

Este artículo presenta la implementación de modelos de verosimilitud completos y simplificados para regiones de señal multibin en CheckMATE, incorporando 13 búsquedas de ATLAS y CMS y métodos que permiten combinar canales ortogonales para aumentar la sensibilidad de los análisis.

Lo esencial

¡Claro que sí! Imagina que el Gran Colisionador de Hadrones (LHC) es una máquina gigante que lanza partículas a velocidades increíbles, como si fueran dos coches de Fórmula 1 chocando a toda velocidad. Cuando chocan, se rompen en millones de pedazos. Los físicos quieren saber si entre esos pedazos hay algo "nuevo" (nueva física) o si todo es exactamente lo que ya conocemos (el Modelo Estándar).

Este artículo habla sobre una herramienta llamada CheckMATE, que es como un "traductor" o un "detective digital" para esos datos.

Aquí tienes la explicación sencilla:

1. El Problema: Demasiados datos, poca claridad

Durante años, los experimentos del LHC (ATLAS y CMS) han estado acumulando una cantidad inmensa de datos. Sin embargo, a veces los resultados se publicaban de forma muy simplificada: "En esta caja (o 'bin') vimos X eventos".

• La analogía: Imagina que intentas adivinar qué hay dentro de una caja cerrada solo mirando un agujero pequeño. Si solo miras un agujero, puedes perderte cosas importantes que están en otro lado. Además, si solo te dicen "hay 5 manzanas", no sabes si son manzanas verdes o rojas, ni si hay una manzana extraña que no debería estar ahí.

2. La Solución: CheckMATE y sus dos "lentes"

Los autores de este paper (I˜naki Lara y Krzysztof Rolbiecki) han actualizado CheckMATE para que pueda leer los datos de forma mucho más detallada. Han implementado dos formas de mirar los datos, como si tuvieras dos tipos de lentes para una cámara:

• Lente 1: El "Modo Simplificado" (Rápido pero aproximado)

  • Qué hace: Es como hacer un resumen rápido. Toma la información de fondo (lo que ya sabemos que existe) y le suma lo que podría ser "nuevo".
  • Ventaja: Es muy rápido. Ideal si quieres probar miles de teorías diferentes en poco tiempo.
  • Desventaja: A veces es un poco tosco. Puede decirte que algo está prohibido cuando en realidad no lo está, o viceversa, porque no ve todos los detalles finos.

• Lente 2: El "Modo Completo" (Lento pero preciso)

  • Qué hace: Usa toda la información matemática compleja que publicaron los experimentos (ATLAS y CMS). Mira no solo un agujero, sino toda la caja, incluyendo las zonas de control (donde sabes que no debería haber nada nuevo) para ajustar la medida.
  • Ventaja: Es extremadamente preciso. Detecta señales muy sutiles que el modo rápido se perdería.
  • Desventaja: Es como intentar resolver un rompecabezas de 10.000 piezas con los ojos cerrados; tarda mucho más en computar.

3. La Magia: Combinar pistas (Likelihoods)

Lo más importante del artículo es que CheckMATE ahora puede combinar diferentes búsquedas.

• La analogía: Imagina que eres un detective investigando un crimen.
  • Antes, solo mirabas una huella dactilar en la puerta (un solo "bin" o zona de búsqueda).
  • Ahora, CheckMATE puede mirar la huella en la puerta, la mancha de barro en el suelo, la cámara de seguridad del pasillo y el testimonio del vecino al mismo tiempo.
  • Al combinar toda esta información (usando lo que llaman "likelihoods" o funciones de verosimilitud), el detective tiene mucha más certeza de si el sospechoso es culpable o inocente.

4. ¿Qué han logrado?

Han añadido 13 búsquedas nuevas (9 de ATLAS y 4 de CMS) a su base de datos. Han probado que su herramienta funciona bien comparando sus resultados con los oficiales de los laboratorios.

• Resultado: En muchos casos, al usar el "Modo Completo" y combinar todas las pistas, logran descartar teorías de física nueva que antes parecían posibles, o encontrar límites más estrictos sobre dónde podría esconderse la nueva física.

En resumen

Este paper es como decir: "Antes, para buscar nueva física, mirábamos solo una parte del pastel. Ahora, con la nueva versión de CheckMATE, podemos ver todo el pastel, incluso los bordes y el relleno, usando dos métodos: uno rápido para hacer un boceto general y otro lento y detallado para tomar la decisión final con total seguridad."

Esto permite a los físicos probar sus ideas contra los datos reales del LHC de una manera mucho más inteligente, rápida y precisa.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: Implementación de verosimilitudes completas y simplificadas en CheckMATE

Autores: I˜naki Lara y Krzysztof Rolbiecki (Universidad de Varsovia).
Contexto: El artículo describe una actualización significativa del marco de software CheckMATE, diseñado para la reinterpretación de resultados experimentales del LHC (Gran Colisionador de Hadrones) bajo modelos de nueva física arbitrarios.

---

1. El Problema

A pesar de la ausencia de descubrimientos directos de nueva física en el LHC (Run 3 en curso), la interpretación de los datos ha permanecido limitada.

• Limitación de modelos simplificados: Históricamente, las interpretaciones se han basado en "modelos simplificados" que no siempre capturan la complejidad de la física a escala TeV.
• Complejidad estadística: Las búsquedas modernas de nueva física han evolucionado desde la comparación de conteos simples en pocas regiones de señal hacia el uso de datos binned (agrupados en celdas) en múltiples observables y regiones de control. Esto utiliza modelos estadísticos complejos y métodos de aprendizaje automático.
• Dificultad de reinterpretación: La disponibilidad de datos binned mejora la sensibilidad experimental, pero complica enormemente la reinterpretación por parte de teóricos, ya que requiere replicar funciones de verosimilitud (likelihood) completas que incluyen miles de parámetros de molestia (nuisance parameters) y correlaciones entre celdas.

2. Metodología

Los autores han implementado en CheckMATE la capacidad de evaluar tanto verosimilitudes completas (full likelihoods) como verosimilitudes simplificadas (simplified likelihoods) para regiones de señal multibin (multicelda).

• Implementación de ATLAS:

  • Se utilizan los archivos JSON proporcionados por la colaboración ATLAS que contienen los modelos estadísticos completos (basados en HistFactory).
  • Se emplea el paquete Pyhf (implementación en Python de HistFactory) y el paquete Spey para la inferencia estadística.
  • Se permite la combinación de regiones de control (CR) y de señal (SR). Para algunos análisis, se asume que la contribución de la señal en las CR es despreciable, aunque se han implementado CR completas en dos búsquedas específicas (atlas 2010 14293 y atlas 1911 06660).
  • Se ofrece una opción de "verosimilitud simplificada" que aproxima el modelo de fondo con una tasa total y un único parámetro de molestia correlacionado, útil para escaneos rápidos de parámetros.

• Implementación de CMS:

  • Se utiliza el marco de verosimilitud simplificada definido por CMS, que modela las correlaciones de fondo mediante una matriz de covarianza multivariante gaussiana.
  • Las matrices de covarianza se incluyen en la distribución de CheckMATE en formato JSON.

• Herramientas Técnicas:

  • Spey: Se utiliza como interfaz principal para la combinación de búsquedas y la evaluación de límites.
  • Backends de cálculo: Soporte para Numpy, Jax, PyTorch y TensorFlow. Se destaca que Jax ofrece el mejor rendimiento, especialmente con soporte GPU.
  • Control de usuario: Se introducen parámetros de entrada (switches) para elegir entre el modelo completo, el simplificado, o el cálculo de límites basados en la mejor región de señal (Best-SR).

3. Contribuciones Clave

• Base de datos expandida: Se han implementado 13 búsquedas en total: 9 de ATLAS y 4 de CMS, todas basadas en la luminosidad completa del Run 2 (~139 fb⁻¹ a 13 TeV).
• Flexibilidad estadística: Por primera vez en CheckMATE, los usuarios pueden elegir entre:
  1. Verosimilitud completa: La más precisa, pero costosa computacionalmente.
  2. Verosimilitud simplificada: Un equilibrio entre precisión y velocidad.
  3. Mejor región de señal (Best-SR): El método tradicional más rápido pero menos sensible.
• Combinación de canales: La infraestructura permite la combinación estadística de regiones de señal ortogonales y, en el futuro, de diferentes búsquedas (incluso entre experimentos).
• Validación exhaustiva: Se han realizado comparaciones detalladas entre los resultados de CheckMATE y los límites oficiales de ATLAS/CMS para diversos procesos de Supersimetría (SUSY) y Materia Oscura (DM).

4. Resultados

• Validación: Los gráficos de validación (Figuras 1-14) muestran un acuerdo excelente entre CheckMATE y los resultados oficiales de los experimentos para la mayoría de los casos, especialmente cuando se utilizan los modelos de verosimilitud completa o simplificada.
• Mejora de Sensibilidad:
  • El uso de regiones de señal multibin (shape-fits) mejora significativamente los límites de exclusión en comparación con el método de "mejor región de señal" (Best-SR). En algunos casos, la sensibilidad aumenta hasta en un factor de 2.
  • En escenarios de espectros de masa comprimidos (donde las señales son débiles), la combinación de múltiples celdas es crucial para detectar o excluir modelos.
• Rendimiento Computacional:
  • La evaluación de verosimilitudes completas es intensiva en CPU. El uso de backends como Jax reduce drásticamente los tiempos de cálculo (ej. de ~11,000 segundos con Numpy a ~700 segundos con Jax en un análisis de prueba).
  • Las verosimilitudes simplificadas permiten escaneos rápidos de parámetros con una pérdida de precisión mínima en la mayoría de los casos, aunque en ciertos escenarios complejos (como el análisis atlas 1911 12606 con paridades específicas de neutralinos), el modelo simplificado puede fallar en reproducir la forma exacta de los límites debido a excesos o déficits locales.
• Casos Específicos:
  • En el análisis atlas 1911 06660, se demostró que ignorar las regiones de control puede llevar a una sobre-restricción del espacio de parámetros, validando la importancia de la implementación completa de CRs.
  • Para CMS, la combinación de 282 celdas en el análisis cms 1909 03460 requirió dividir la matriz de covarianza debido a problemas numéricos, pero la combinación posterior por el usuario recuperó la sensibilidad óptima.

5. Significado

Este trabajo representa un avance crucial en la reinterpretación de datos del LHC:

1. Democratización del análisis: Permite a teóricos evaluar sus modelos contra los análisis más sofisticados y sensibles del LHC, no solo contra los resultados simplificados.
2. Precisión: Al incorporar verosimilitudes completas y matrices de covarianza, se reduce la incertidumbre sistemática en la reinterpretación, acercando los límites teóricos a la realidad experimental.
3. Eficiencia: La optimización mediante backends modernos (Jax, GPU) hace viable el uso de modelos estadísticos complejos en escaneos de parámetros que antes eran computacionalmente prohibitivos.
4. Futuro: Sienta las bases para la combinación de múltiples búsquedas y la integración de métodos de aprendizaje automático en el marco de CheckMATE, preparándolo para el análisis de datos del Run 3 y más allá.

En conclusión, la implementación de verosimilitudes completas y simplificadas en CheckMATE cierra la brecha entre la complejidad de los análisis experimentales modernos y la capacidad de los teóricos para probar sus modelos, maximizando el potencial de descubrimiento de los datos existentes del LHC.