E-PCN: Jet Tagging with Explainable Particle Chebyshev Networks Using Kinematic Features

El artículo presenta E-PCN, una red neuronal de grafos explicable que integra cuatro representaciones de grafos distintas ponderadas por características cinemáticas para lograr un rendimiento de clasificación de chorros de vanguardia en el conjunto de datos JetClass, al tiempo que identifica la separación angular y el momento transversal como los factores dominantes que impulsan sus decisiones.

Lo esencial

Imagina un colisionador de partículas de alta energía, como el Gran Colisionador de Hadrones (LHC), como un accidente automovilístico masivo a gran velocidad. Cuando dos protones chocan, no se rompen simplemente en dos piezas; se hacen añicos en una lluvia caótica de cientos de partículas más pequeñas. Los físicos llaman a estas lluvias "chorros" (jets).

El desafío es que estos chorros son la "huella dactilar" de la partícula original que causó el choque. ¿Procedió el choque de un bosón de Higgs? ¿De un quark top? ¿O simplemente de una partícula aburrida y común? Identificar la fuente es como intentar averiguar qué tipo de coche chocó solo mirando los escombros dispersos.

Durante años, los científicos han utilizado la Inteligencia Artificial (IA) para clasificar estos escombros. Pero hay un problema: los mejores modelos de IA suelen ser "cajas negras". Obtienen la respuesta correcta, pero no pueden explicar por qué. Es como un estudiante que obtiene una puntuación perfecta en un examen de matemáticas pero se niega a mostrar sus cálculos. En la ciencia, saber por qué es tan importante como obtener la respuesta correcta.

Este artículo presenta un nuevo modelo de IA llamado E-PCN (Red de Chebyshev de Partículas Explicable). Imagínalo como un detective que no solo resuelve el caso, sino que también redacta un informe detallado explicando exactamente qué pistas llevaron a la conclusión.

El problema con la IA antigua

Los modelos de IA anteriores trataban la lluvia de partículas como un montón gigante y desordenado de datos. Observaban la imagen completa de una sola vez. Aunque eran buenos adivinando el tipo de partícula, a menudo dependían de patrones accidentales o "fallos" en la simulación por computadora en lugar de las leyes reales de la física. Era como un detective que adivina al culpable basándose en el color de sus zapatos en lugar de en la huella dactilar.

La nueva solución: E-PCN

Los autores construyeron E-PCN con una filosofía específica: Enseñemos primero a la IA las reglas de la física.

En lugar de simplemente volcar todos los datos en una caja negra, descompusieron la lluvia de partículas en cuatro "lentes" o "vistas" específicas, basadas en cómo se comportan realmente las partículas en el universo (un concepto llamado Plano de Chorro de Lund). Imagina mirar una escena del crimen a través de cuatro gafas de diferentes colores:

1. El Lente de la Distancia (Separación Angular, $\Delta$): ¿Qué tan separadas están las partículas?
2. El Lente de la Velocidad (Momento Transverso Relativo, $k_T$): ¿Qué tan rápido se mueven lateralmente?
3. El Lente de la Partición (Fracción de Momento, $z$): ¿Qué parte de la energía original tomó cada pieza?
4. El Lente del Peso (Masa Invariante, $m^2$): ¿Qué tan pesado es el grupo combinado de partículas?

El modelo E-PCN tiene cuatro "cerebros" paralelos (redes neuronales). Cada cerebro observa el chorro a través de solo uno de estos cuatro lentes.

• El Cerebro #1 solo se preocupa por la distancia.
• El Cerebro #2 solo se preocupa por la velocidad.
• El Cerebro #3 solo se preocupa por la distribución de energía.
• El Cerebro #4 solo se preocupa por la masa.

Después de que cada cerebro hace su propia observación, todos se reúnen en una "mesa de conferencias" (una capa de clasificación) para combinar sus notas y decidir qué partícula era.

El momento "¡Ajá!": Explicabilidad

Debido a que el modelo está construido de esta manera, los investigadores pueden preguntar: "¿Qué cerebro fue el más importante para esta decisión?".

Utilizaron una técnica llamada Grad-CAM (piensa en ella como un mapa de calor que resalta las pistas más importantes). Los resultados fueron fascinantes y coincidieron con lo que los físicos han sabido durante décadas:

• La Distancia y la Velocidad fueron las estrellas del espectáculo. Juntas, representaban aproximadamente el 76% del poder de toma de decisiones.
• La Distribución de Energía y la Masa representaban el 24% restante.

Esto demuestra que la IA no solo está memorizando patrones aleatorios; ha aprendido la verdadera "gramática" del universo. Se dio cuenta de que la forma en que las partículas se dispersan (distancia) y se mueven (velocidad) son las pistas más críticas, exactamente como predice la Cromodinámica Cuántica (QCD).

¿Funciona mejor?

Sí. Cuando se probó en un conjunto masivo de datos de colisiones de partículas simuladas (JetClass):

• Fue más preciso que los modelos de primer nivel anteriores.
• Fue mucho mejor detectando partículas raras y pesadas (como un bosón de Higgs decayendo en quarks bottom), mejorando la capacidad de encontrarlas en más del 80% en comparación con la línea base antigua.

La prueba del mundo real: El desafío de los "Datos Reales"

Las simulaciones son perfectas, pero la vida real es desordenada. Los detectores reales tienen ruido y las partículas se pierden. Para probar si E-PCN era realmente "inteligente" o simplemente "bueno con las simulaciones", los investigadores lo probaron con datos reales del experimento CMS en el LHC (llamado el conjunto de datos Aspen Open Jets).

Como no tenían la "clave de respuestas" para los datos reales, verificaron qué tan bien podía agrupar la IA chorros similares (agrupamiento).

• El modelo antiguo (PCN) produjo un montón desordenado y confuso de grupos.
• El nuevo modelo (E-PCN) produjo grupos ordenados, distintos y bien separados.

Esto sugiere que E-PCN aprendió la verdadera física de cómo se comportan las partículas, permitiéndole funcionar incluso cuando los datos son ruidosos e imperfectos, al igual que un detective real trabajando en una escena del crimen desordenada.

Resumen

En resumen, los autores construyeron una IA más inteligente para la física de partículas dándole una arquitectura "primero la física". En lugar de dejar que la IA adivine a ciegas, le dieron cuatro herramientas específicas para medir el universo. El resultado es un modelo que no solo es más preciso, sino que también es honesto sobre cómo piensa, confirmando que se basa en las leyes fundamentales de la naturaleza en lugar de en fallos informáticos.

Resumen técnico

Resumen Técnico: E-PCN: Etiquetado de Jets con Redes Chebyshev de Partículas Explicables Utilizando Características Cinemáticas

Enunciado del Problema
Los experimentos de colisionadores de alta energía, particularmente con el futuro Gran Colisionador de Hadrones de Alta Luminosidad (HL-LHC), enfrentan desafíos significativos en el procesamiento de vastos volúmenes de datos para identificar y clasificar jets (chorros colimados de partículas). Si bien las Redes Neuronales de Grafos (GNN) como la Red Chebyshev de Partículas (PCN) han mejorado el rendimiento de clasificación de jets al tratarlos como grafos, a menudo funcionan como "cajas negras". Esta falta de interpretabilidad obstaculiza la validación del comportamiento del modelo frente a principios físicos, generando preocupaciones de que los modelos puedan aprender correlaciones espurias o artefactos del detector en lugar de fenómenos genuinos de la Cromodinámica Cuántica (QCD). Existe una necesidad crítica de arquitecturas que no solo alcancen una precisión de vanguardia, sino que también proporcionen procesos de toma de decisiones transparentes y motivados físicamente.

Metodología
Los autores proponen la Red Chebyshev de Partículas Explicable (E-PCN), una extensión de la PCN que integra explícitamente variables cinemáticas derivadas de la formalidad del plano de Lund en la estructura del grafo.

• Arquitectura de Múltiples Grafos: En lugar de concatenar características cinemáticas en los atributos de los nodos, la E-PCN construye cuatro representaciones de grafos paralelas para cada jet. Cada grafo comparte las mismas características de nodo (propiedades de partículas de 16 dimensiones) y conectividad (vecinos más cercanos basados en la separación angular), pero utiliza una variable cinemática distinta como peso de las aristas:

  1. Separación angular ($\Delta$): Codifica el ordenamiento angular y las emisiones colineales.
  2. Momento transversal relativo ($k_T$): Establece la escala para la constante de acoplamiento fuerte y separa los regímenes perturbativos de los no perturbativos.
  3. Fracción de momento ($z$): Cuantifica el intercambio de energía entre partones hijos mediante funciones de división DGLAP.
  4. Masa invariante al cuadrado ($m^2$): Proporciona sensibilidad a la identificación de jets de sabor pesado.
     Las primeras tres variables están motivadas por la factorización del plano de Lund de las probabilidades de emisión QCD; la cuarta las complementa para la sensibilidad al sabor pesado.

• Arquitectura de la Red: Cada una de las cuatro ramas del grafo es procesada por un extractor de características idéntico e independientemente parametrizado. Este extractor emplea un enfoque de convolución híbrido, alternando entre Convoluciones de Grafos Chebyshev (ChebConv) para capturar estructuras geométricas locales y Convoluciones de Aristas (EdgeConv) para modelar relaciones entre pares de partículas. Las cuatro incrustaciones de jets resultantes de 64 dimensiones se apilan y combinan mediante una capa de convolución $1\times1$ antes de pasar por capas totalmente conectadas para la clasificación.

• Mecanismo de Explicabilidad: Los autores adaptan el Mapeo de Activación de Clase Ponderado por Gradiente (Grad-CAM) a este entorno de múltiples grafos. Al calcular el gradiente de la puntuación de la clase con respecto a las incrustaciones de cada rama de grafo específica, cuantifican la importancia relativa de cada variable cinemática en la decisión de clasificación.

Contribuciones Clave

1. Diseño de Múltiples Grafos Informado por la Física: La E-PCN introduce una arquitectura novedosa que procesa aspectos complementarios de la dinámica de jets QCD (estructura geométrica, escalas radiativas, probabilidades de división y umbrales de masa) simultáneamente a través de canales de grafos dedicados, en lugar de tratarlos como un conjunto de características monolítico.
2. Explicabilidad Cuantitativa: El trabajo demuestra cómo el Grad-CAM puede aplicarse a GNN de múltiples grafos para revelar una jerarquía de importancia de características interpretable físicamente. El análisis confirma que la red prioriza variables consistentes con la factorización perturbativa QCD.
3. Generalización a Datos Reales: A diferencia de muchas pruebas limitadas a simulaciones, los autores evalúan la calidad de la representación del modelo en el conjunto de datos Aspen Open Jets, que comprende datos reales de colisiones CMS con efectos del detector y apilamiento (pileup). Emplean entrenamiento no supervisado DeepCluster para evaluar la estructura de agrupamiento en ausencia de etiquetas de verdad fundamental.

Resultados
Evaluado en la prueba JetClass (9 clases de señal y 1 de fondo):

• Rendimiento de Clasificación: La E-PCN alcanza una precisión macro de 94.67%, un AUC macro de 96.78% y un AUPR macro de 82.41%. Estas cifras representan mejoras relativas del 2.36%, 4.13% y 24.88% sobre la PCN base, respectivamente. Cabe destacar que el AUPR para canales de sabor pesado ($H \to b\bar{b}$) mejoró un 81.53%.
• Análisis de Explicabilidad: El Grad-CAM revela que la separación angular ($\Delta$) y el momento transversal relativo ($k_T$) representan colectivamente aproximadamente el 76% de las decisiones de clasificación (40.72% y 35.67%, respectivamente). Esta jerarquía se alinea con la estructura de factorización suave-colineal de la QCD. Se observaron variaciones específicas por clase, como una importancia elevada de $k_T$ para jets de gluones y una mayor importancia de $m^2$ para jets de quarks bottom, consistente con la escala de Casimir y el efecto del cono muerto.
• Generalización a Datos Reales: En el conjunto de datos Aspen Open Jets, la E-PCN produjo representaciones latentes significativamente más estructuradas que la PCN. El Índice de Davies-Bouldin disminuyó un 52.15% (de 0.8395 a 0.4017) y el Índice de Dunn aumentó un 42.33% (de 0.0189 a 0.0269), indicando una superioridad en la compacidad y separación de los grupos.

Significado y Afirmaciones
El artículo afirma que la E-PCN cierra con éxito la brecha entre el aprendizaje profundo de alto rendimiento y la interpretabilidad física en el etiquetado de jets. Al codificar manualmente las variables cinemáticas del plano de Lund en la estructura del grafo, el modelo aprende representaciones que reflejan los patrones de radiación QCD subyacentes en lugar de artefactos de simulación. Los autores enfatizan que, si bien la jerarquía de importancia de las características coincide con las predicciones teóricas de la QCD, esto sirve como una validación de que la arquitectura explota eficazmente la estructura presente en los datos de entrenamiento.

Crucialmente, el rendimiento mejorado de agrupamiento en datos reales de CMS sugiere que estas representaciones informadas por la física son lo suficientemente robustas para generalizar más allá de simulaciones idealizadas hacia condiciones experimentales que involucran efectos del detector y apilamiento. El trabajo concluye que construir redes neuronales alrededor de principios cinemáticos establecidos mejora tanto la interpretabilidad como el rendimiento de clasificación, ofreciendo una dirección prometedora para el etiquetado de jets en futuros entornos de colisionadores de alta luminosidad. Los autores señalan que la validación definitiva de estas afirmaciones de interpretabilidad bajo incertidumbres sistemáticas experimentales completas sigue siendo un tema para trabajos futuros.