Enhancing Event Reconstruction in Hyper-Kamiokande with Machine Learning: A ResNet Implementation

Este artículo presenta la implementación de un modelo ResNet en el marco WatChMaL para el experimento Hyper-Kamiokande, logrando una reconstrucción de eventos de partículas con una precisión comparable a los métodos tradicionales pero con una aceleración computacional de hasta 52.000 veces, lo que permite procesar eficientemente los vastos conjuntos de datos necesarios para cumplir con los requisitos de incertidumbre sistemática.

Lo esencial

¡Claro que sí! Imagina que el Hyper-Kamiokande es un gigantesco tanque de agua, tan grande que cabrían 260.000 camiones cisterna llenos de ella. Este tanque está construido bajo tierra en Japón y está lleno de miles de "ojos" electrónicos (fotomultiplicadores) que esperan ver un destello de luz muy especial.

¿Qué luz buscan? La luz que producen las partículas cuando chocan con los átomos del agua. Es como cuando un avión rompe la barrera del sonido y crea una onda de choque, pero aquí es una "onda de luz" azulada llamada radiación Cherenkov.

El problema es que cuando estas partículas chocan, crean un caos de anillos de luz en las paredes del tanque. Los científicos necesitan saber tres cosas con extrema precisión:

1. ¿Qué partícula fue? (¿Un electrón, un muón, un fotón o un pion?)
2. ¿Dónde chocó? (El vértice).
3. ¿Hacia dónde iba y con qué fuerza? (Dirección y momento).

El Problema: El "Método Anticuo" es Lento

Antes, los científicos usaban un método tradicional (llamado fiTQun) para adivinar estas cosas. Funciona como un detective muy meticuloso que revisa cada pista una por una, calculando probabilidades matemáticas complejas. Es muy preciso, pero es extremadamente lento.

Imagina que tienes que analizar un millón de fotos de un accidente de tráfico. El detective antiguo tarda una hora en analizar cada foto. Si necesitas analizar millones de fotos para entender el tráfico en general, tardarías siglos. Además, para hacer experimentos perfectos, necesitan analizar millones de versiones ligeramente diferentes de cada evento (como si el accidente hubiera ocurrido con lluvia, con sol, con diferentes tipos de coches, etc.). Con el método antiguo, esto es imposible; la computadora se quedaría dormida antes de terminar.

La Solución: El "Genio" de la Inteligencia Artificial

En este artículo, los autores presentan una nueva herramienta: una Red Neuronal Convolucional (ResNet).

Imagina que en lugar de tener un detective que lee cada pista, tienes a un genio visual que ha visto millones de fotos de accidentes.

• La Entrada: En lugar de darles los datos crudos, convierten la información de los "ojos" del tanque en una imagen de 2D (como una foto pixelada). Un canal muestra cuándo llegó la luz (tiempo) y el otro cuánta luz llegó (carga).
• El Entrenamiento: Entrenaron a este "genio" (la Red ResNet) con millones de simulaciones de partículas. Le mostraron miles de ejemplos de cómo se ve un electrón, un muón, etc., hasta que aprendió los patrones.
• El Resultado: Ahora, cuando llega una nueva foto, el genio la analiza en milisegundos.

Las Analogías Clave

1. El Detective vs. El Genio Visual:

   • El método antiguo es como un detective que revisa cada huella dactilar, mide cada distancia y hace cálculos matemáticos en una pizarra. Es preciso, pero tarda mucho.
   • La Inteligencia Artificial es como un artista experto que ve una mancha de pintura y, de un solo vistazo, sabe: "¡Esa es una firma de Picasso!". No calcula, reconoce el patrón instantáneamente.

2. La Velocidad:

   • El método antiguo tarda unos 67 segundos en analizar un solo evento.
   • La Inteligencia Artificial tarda 0.001 segundos (1 milisegundo).
   • La analogía: Es como comparar un caracol que tarda una hora en cruzar la calle con un cohete que la cruza en un parpadeo. La IA es 30.000 a 50.000 veces más rápida.

3. La Precisión:

   • ¿Es el genio tan bueno como el detective? ¡Sí! El artículo demuestra que la IA es tan precisa como el método antiguo para decirte dónde chocó la partícula, hacia dónde iba y qué tan fuerte era.
   • Además, la IA es mejor separando partículas difíciles. Por ejemplo, distinguir un electrón de un fotón es como intentar diferenciar dos gemelos idénticos que llevan la misma ropa. El detective antiguo se confundía, pero el genio visual logró hacerlo con una precisión increíble (algo que nunca se había logrado antes en este tipo de experimentos).

¿Por qué es importante esto?

El Hyper-Kamiokande quiere responder preguntas profundas sobre el universo, como por qué hay más materia que antimateria. Para hacerlo, necesita analizar cantidades masivas de datos y simular millones de escenarios posibles.

Antes, esto era un cuello de botella computacional: las computadoras no daban abasto. Ahora, con esta "máquina de reconocimiento de patrones" (la IA), pueden procesar esos millones de datos en un tiempo razonable.

En resumen:
Los científicos han creado un "cerebro digital" que mira las fotos de las partículas en el agua y las entiende instantáneamente, con la misma precisión que los métodos antiguos pero miles de veces más rápido. Esto permite a los científicos del futuro explorar los misterios del universo sin quedarse atascados esperando que la computadora termine de calcular. ¡Es como pasar de escribir cartas a mano a enviar un mensaje instantáneo!

Resumen técnico

Resumen Técnico: Mejora de la Reconstrucción de Eventos en Hyper-Kamiokande con Aprendizaje Automático

1. El Problema

El experimento Hyper-Kamiokande (HK), un detector Cherenkov de agua de próxima generación en construcción en Japón, tiene como objetivo lograr una sensibilidad sin precedentes a las oscilaciones de neutrinos, específicamente para medir la fase de violación de CP ($\delta_{CP}$).

• Desafío Computacional: Para cumplir con los requisitos de incertidumbre sistemática, HK requiere conjuntos de datos de Monte Carlo (MC) masivos y sistemáticamente variados. Los algoritmos tradicionales de reconstrucción basados en verosimilitud máxima (como fiTQun) tienen un costo computacional por evento del orden de minutos ($O(\text{min})$), lo que hace inviable la reconstrucción de los enormes volúmenes de datos necesarios.
• Desafío Topológico: Los métodos tradicionales a menudo luchan con topologías complejas, como anillos Cherenkov superpuestos (de conversiones de fotones), vértices cerca de las paredes del detector o eventos con estadística de fotones escasa. Además, la separación entre electrones y fotones ($e-\gamma$) o entre electrones y piones neutros ($e-\pi^0$) es difícil y crítica para reducir el ruido de fondo.

2. Metodología

Los autores implementaron un enfoque basado en redes neuronales convolucionales (CNN) utilizando el marco WatChMaL (Water Cherenkov Machine Learning).

• Datos de Entrada:

  • Se generaron eventos simulados de partículas individuales (electrones, muones, fotones de producción de pares y piones neutros) con energías cinéticas desde el umbral Cherenkov hasta 2 GeV.
  • La información de los fotomultiplicadores (PMTs) de 50 cm se mapeó a imágenes bidimensionales de 190 $\times$ 189 píxeles con dos canales: tiempo de impacto y carga integrada (en fotoelectrones).
  • La geometría cilíndrica del detector se "desenrolló" y rotó para alinear los PMTs en una cuadrícula regular, preservando la adyacencia espacial para las convoluciones.

• Arquitectura del Modelo:

  • Se utilizaron redes ResNet-152 (Redes Residuales de 152 capas).
  • Se entrenaron 7 redes distintas:
    1. Tres modelos de regresión para muones (vértice, dirección, momento).
    2. Tres modelos de regresión para electrones (vértice, dirección, momento).
    3. Un modelo de clasificación de 4 clases ($e, \mu, \gamma, \pi^0$).
  • Funciones de Pérdida: Se empleó la función de pérdida Huber (y Huber relativa para la energía) para la regresión y entropía cruzada para la clasificación.

• Entrenamiento:

  • Los datos se dividieron en conjuntos de entrenamiento (96%), validación (2%) y prueba (2%).
  • Se utilizaron 4 GPUs NVIDIA A100 para el entrenamiento en paralelo.
  • Se aplicaron cortes de calidad (contenimiento y número de hits) solo en la fase de prueba para evaluar el rendimiento final.

3. Contribuciones Clave

• Primera aplicación a HK: Este es el primer estudio que aplica métodos de aprendizaje profundo a la geometría del detector lejano de Hyper-Kamiokande (anteriormente solo se había probado en el detector intermedio).
• Separación $e-\gamma$: Lograron una separación directa entre electrones y fotones, una tarea que los métodos tradicionales basados en verosimilitud aún no han resuelto exitosamente en Super-Kamiokande.
• Escalabilidad: Demostraron que las redes neuronales pueden procesar eventos con una velocidad de inferencia de milisegundos, resolviendo el cuello de botella computacional para la producción de grandes muestras de MC.

4. Resultados

Los modelos ResNet-152 demostraron un rendimiento comparable o superior a los métodos tradicionales (fiTQun) en términos de precisión, con una ventaja abismal en velocidad.

• Precisión de Regresión (Promedio sobre el rango cinemático):

  • Resolución de Momento: 1.35% para muones y 2.39% para electrones.
  • Resolución Angular: 1.25° para muones y 1.94° para electrones.
  • Resolución de Vértice: 28.2 cm para muones y 25.4 cm para electrones.
  • Nota: Estos valores son consistentes con los reportados para métodos tradicionales en estudios similares, aunque con una ligera degradación cerca del umbral Cherenkov debido a la baja estadística de fotones.

• Clasificación de Partículas (Área bajo la curva ROC - AUC):

  • $e$ vs $\mu$: 0.9999992 (separación casi perfecta).
  • $e$ vs $\pi^0$: 0.9526 (mejora significativa respecto a la línea base).
  • $e$ vs $\gamma$: 0.633 (un resultado notable dado que no existía un separador previo basado en verosimilitud).

• Rendimiento Computacional:

  • Tiempo de Inferencia: 1.3 ms por evento para muones y 1.7 ms para electrones en una sola GPU.
  • Aceleración: Se logró una aceleración de $3.2 \times 10^4$ a $5.2 \times 10^4$ veces en comparación con el tiempo de reconstrucción de fiTQun (que tarda ~54-67 segundos por evento).

• Robustez: El modelo mantuvo un buen rendimiento incluso para eventos cerca de las paredes del detector, donde los algoritmos tradicionales suelen fallar debido a la pérdida de información angular.

5. Significado

Este trabajo establece que el aprendizaje profundo es una alternativa viable y escalable para la reconstrucción de eventos en Hyper-Kamiokande.

• Viabilidad de Análisis de Precisión: La reducción drástica del costo computacional permite generar y reconstruir los enormes conjuntos de datos de Monte Carlo necesarios para estudiar sistemáticas complejas, la jerarquía de masas y la violación de CP.
• Nuevas Capacidades Analíticas: La capacidad de separar fotones de electrones y manejar topologías complejas (como anillos superpuestos) permitirá reducir el ruido de fondo en las búsquedas de oscilación de neutrinos.
• Futuro: Aunque los algoritmos tradicionales seguirán siendo útiles para calibraciones detalladas, los modelos basados en redes neuronales se posicionan como la herramienta estándar para la producción masiva de datos y estudios sistemáticos en la próxima generación de experimentos de neutrinos.

En conclusión, la implementación de ResNet no solo iguala la precisión de los métodos establecidos, sino que supera en varios órdenes de magnitud su eficiencia computacional, haciendo factible el análisis de datos a la escala requerida por Hyper-Kamiokande.