Reconstruction of overlapping electromagnetic showers in calorimeters using Transformers

Este artículo presenta ClusTEX, un modelo basado en transformadores que utiliza mecanismos de atención y un esquema de codificación posicional novedoso para reconstruir con mayor precisión y eficiencia las superposiciones de lluvias electromagnéticas en calorímetros, superando a los algoritmos estándar y a los enfoques de dos pasos en términos de resolución energética, reducción de divisiones erróneas y robustez ante fallos del detector.

Lo esencial

Imagina que el Gran Colisionador de Hadrones (LHC) es una ciudad gigante donde ocurren millones de "fiestas" (colisiones de partículas) al mismo tiempo. En medio de este caos, los científicos quieren encontrar a invitados específicos: fotones (partículas de luz) y electrones.

El problema es que la ciudad está llena de ruido, hay multitudes apretadas (lo que llaman "pileup") y, a veces, dos invitados se mezclan tan bien que parecen uno solo.

Aquí es donde entra el calorímetro, que es como un suelo de baldosas gigantes que mide cuánta energía deja cada invitado al caer. El reto es: ¿Cómo agrupamos las baldosas mojadas por la lluvia de una sola persona, cuando a veces dos personas se mojan la misma baldosa?

El Problema: La Vieja Forma de Hacerlo

Antes, los científicos usaban un algoritmo llamado PFClustering. Imagina que es como un guardia de seguridad un poco rígido que sigue reglas estrictas:

1. Busca la baldosa más mojada (el "semilla").
2. Agrega las baldosas vecinas si tienen suficiente agua.
3. Si hay dos personas muy juntas, el guardia se confunde. A veces piensa que son dos personas separadas cuando son una (divide la energía), o a veces piensa que son una sola cuando son dos (mezcla la energía).

En las fiestas muy concurridas (como las que habrá en el futuro del LHC), este guardia se vuelve lento y comete muchos errores.

La Solución: Los "Detectives con Superpoderes" (Transformers)

Los autores de este paper han creado nuevos sistemas basados en Inteligencia Artificial (Deep Learning) para reemplazar al guardia rígido. Han creado dos tipos de detectives:

1. El Equipo de Dos Pasos (Two-Step)

Imagina que primero tienes un cazador de pistas (llamado SeedFinder) que señala: "¡Oye, aquí hay una baldosa importante!". Luego, un analista (llamado PoEN) toma esas pistas y las analiza en grupo.

• La versión antigua (GNN): El analista miraba a sus vecinos basándose solo en la distancia. Si dos baldosas estaban cerca, asumía que estaban relacionadas. Pero esto a veces hacía que el sistema se confundiera y creara "fantasmas" (detectar dos partículas donde solo hay una).
• La versión nueva (Attention/Transformers): Aquí entra la magia. El analista no solo mira la distancia, sino que escucha el contenido de cada baldosa. Es como si en una reunión, en lugar de hablar solo con quien está sentado al lado, pudieras escuchar a cualquiera en la sala y decidir quién tiene sentido en tu conversación.
  • Analogía: Si dos personas están sentadas juntas pero hablan idiomas totalmente diferentes, el sistema de "Atención" entiende que no están en la misma conversación, aunque estén cerca. Esto evita crear "fantasmas".

2. El Detective Solitario (ClusTEX - Single-Step)

Este es el gran ganador del estudio. En lugar de tener un cazador y luego un analista, ClusTEX es un detective que hace todo en un solo paso.

• Su superpoder: Tiene un mapa mental increíble. No solo sabe dónde está la baldosa en su pequeña ventana local, sino que también sabe exactamente dónde está en todo el detector gigante.
• Analogía: Imagina que estás en un estadio. Un sistema normal solo sabe que estás en la fila 5. ClusTEX sabe que estás en la fila 5, pero también sabe que estás en el lado norte del estadio, cerca de la salida B, y que el sol te da de frente. Esta "conciencia global" le permite entender patrones extraños que otros no ven.

¿Por qué es importante esto?

1. Resolución de Parejas: Cuando dos fotones nacen muy juntos (como cuando un "pion" se desintegra en dos), el sistema antiguo los veía como un solo objeto gigante. Los nuevos sistemas, especialmente ClusTEX, pueden separarlos perfectamente, como si pudieran distinguir dos voces en un coro.
2. Robustez ante Fallos: Imagina que algunas baldosas del suelo están rotas o no funcionan (canales muertos). El sistema antiguo se desmoronaba. ClusTEX, gracias a su "conciencia global", puede inferir qué debería haber pasado en la baldosa rota basándose en las baldosas vecinas activas. Es como si pudieras adivinar la palabra faltante en una frase porque conoces el contexto de toda la historia.
3. Eficiencia: Hacen el trabajo más rápido y con menos errores, lo cual es vital para el futuro del LHC, donde la cantidad de datos será abrumadora.

En Resumen

Los autores han pasado de usar un guardia de seguridad con reglas fijas a crear detectives inteligentes con superpoderes de atención. Estos detectives pueden:

• Entender el contexto global del detector.
• Separar partículas que se solapan perfectamente.
• Ignorar el ruido y las baldosas rotas.

Esto significa que en el futuro, cuando los físicos busquen nuevas partículas o estudien el Bosón de Higgs, tendrán una visión mucho más clara y nítida de lo que sucede en el corazón de las colisiones, incluso en las fiestas más caóticas y ruidosas.

Resumen técnico

Título: Reconstrucción de lluvias electromagnéticas superpuestas en calorímetros utilizando Transformers

1. El Problema

En los experimentos modernos de colisionadores de hadrones (como el LHC en el CERN), la reconstrucción precisa de fotones y electrones es fundamental. Sin embargo, existen desafíos significativos:

• Lluvias superpuestas: En entornos de alta luminosidad (HL-LHC), el aumento de colisiones simultáneas (pileup) y la desintegración de objetos boostados (como piones neutros $\pi^0 \to \gamma\gamma$) provocan que las lluvias electromagnéticas se solapen, dificultando la asignación correcta de la energía a la partícula original.
• Limitaciones de los algoritmos actuales: El algoritmo de referencia en CMS, PFClustering, basado en umbrales de energía y máxima local, sufre en entornos densos. Tiende a tener ambigüedades en la asignación de semillas, baja eficiencia a bajas energías y una alta tasa de "división" (splitting), donde una sola partícula se reconstruye erróneamente como dos objetos distintos.
• Complejidad geométrica: Las no uniformidades del detector, las dependencias de la posición $(\eta, \phi)$ y las fallas de canales (cristales no responsivos) degradan el rendimiento de los métodos tradicionales.

2. Metodología

Los autores proponen enfoques basados en aprendizaje profundo (Deep Learning) que reconstruyen directamente la energía y la posición de impacto a partir de la lectura del calorímetro, evitando las limitaciones de los métodos heurísticos. Se presentan dos estrategias principales:

A. Estrategia de Dos Pasos (Actualización de DeepCluster):

1. SeedFinder: Una red neuronal convolucional (CNN) que clasifica ventanas candidatas de 7x7 cristales para identificar las "semillas" probables de una partícula.
2. Red de Regresión (PoEN): Procesa conjuntamente las ventanas seleccionadas. Se comparan dos variantes:
   • DW-PoEN (GNN): Usa un mecanismo de paso de mensajes basado en distancias fijas (el estado del arte anterior).
   • GAT-PoEN (Attention): Reemplaza el paso de mensajes fijo por un mecanismo de atención. Esto permite que la red aprenda dinámicamente cómo interactuar entre candidatos, ponderando la información según el contenido de la lluvia y no solo la distancia espacial. Esto reduce la ambigüedad en la agregación de características.

B. Estrategia de Un Solo Paso (ClusTEX):

• Arquitectura: Un Graph Transformer que realiza la selección de candidatos y la reconstrucción cinemática en una sola etapa de inferencia.
• Codificación Posicional Novel: La contribución clave es un esquema de codificación posicional híbrido:
  • Posición Local: Definida dentro de la ventana de superposición (relativa a la semilla ancla) y concatenada a las características de entrada.
  • Posición Global: Definida respecto al centro del detector $(\eta, \phi)$ y sumada a la representación del nodo.
  • Beneficio: Esto permite al modelo ser consciente de la geometría global (efectos dependientes de $\eta$) mientras mantiene una comunicación eficiente y local entre nodos, algo difícil de lograr con GNNs tradicionales.

3. Configuración de Simulación y Datos

• Entornos: Se utilizaron dos configuraciones de simulación Geant4:
  1. Calorímetro "Toy": Una geometría simplificada y uniforme para estudios controlados.
  2. Calorímetro inspirado en ECAL: Una simulación más realista que incluye la geometría de los cristales PbWO4, material de tracker aguas arriba, y una dependencia explícita de $(\eta, \phi)$ debido a la inclinación de los cristales y la proyección hacia el punto de interacción.
• Condiciones de Estrés: Se incluyeron escenarios con canales no responsivos (fallas localizadas) para probar la robustez.
• Datos: Se generaron muestras de fotones aislados, pares de fotones superpuestos y desintegraciones de piones neutros ($\pi^0 \to \gamma\gamma$).

4. Resultados Clave

Los modelos se evaluaron comparándolos con PFClustering y el enfoque anterior basado en GNN (DeepCluster):

• Resolución de Lluvias Superpuestas:
  • En el calorímetro "Toy", los modelos basados en atención (GAT-PoEN) mejoraron significativamente la resolución de energía y posición en comparación con PFClustering y el GNN de paso de mensajes.
  • Reducción del "Splitting": El mecanismo de atención eliminó la necesidad de inferencias multi-paso (reprocesamiento) para corregir la división de un solo fotón en dos clusters, reduciendo la tasa de división de ~0.56% (GNN) a ~0.05% (GAT).
• Rendimiento en Topología ECAL Realista:
  • ClusTEX (Un paso) demostró el mejor rendimiento global. Superó a las estrategias de dos pasos y a PFClustering en resolución de energía y supresión de ruido de fondo.
  • Mantuvo una alta eficiencia en la reconstrucción de pares de fotones cercanos, donde PFClustering cae drásticamente (eficiencia del 82% vs ~98% en ML).
• Reconstrucción de Piones Neutros ($\pi^0$):
  • En el régimen boostado ($p_{\pi^0} > 30$ GeV), donde las lluvias se solapan casi completamente, solo los modelos basados en ML lograron reconstruir la masa invariante del $\pi^0$. PFClustering falló en separar los fotones.
• Robustez ante Fallas:
  • ClusTEX mostró una mayor resiliencia ante la desactivación de canales (1% de cristales + torres de 5x5). Gracias a su codificación posicional global y atención contextual, pudo compensar parcialmente la energía perdida en zonas muertas, manteniendo una distribución de energía más estable que los métodos tradicionales.

5. Contribuciones y Significancia

• Innovación Arquitectónica: La introducción de un Transformer de grafos con una codificación posicional separada (local/global) específicamente diseñada para la topología de lectura de detectores es una contribución metodológica mayor. Permite capturar efectos geométricos complejos sin sacrificar la eficiencia computacional.
• Superación de Limitaciones de GNN: El uso de atención en lugar de paso de mensajes basado en distancia fija resuelve el problema de la división (splitting) y la propagación de características ambiguas, eliminando la necesidad de correcciones ad-hoc posteriores.
• Preparación para el HL-LHC: El enfoque demuestra ser escalable y robusto frente al alto pileup, las no uniformidades geométricas y las fallas de hardware, condiciones críticas para la fase de alta luminosidad del LHC.
• Impacto en Física: Mejorar la separación de fotones cercanos es crucial para búsquedas de nueva física (ej. desintegraciones exóticas $H \to AA \to 4\gamma$) y para la reconstrucción precisa de tauones hadrónicos y resonancias pesadas en entornos de alta ocupación.

En conclusión, el trabajo establece que los Transformers de grafos, especialmente con la arquitectura ClusTEX y su codificación posicional híbrida, representan un avance significativo hacia una reconstrucción de partículas más precisa, robusta y unificada para los futuros detectores de física de altas energías.