Nested-GPT for variable-multiplicity parton showers: A case study in the resummation of non-global logarithms

Resumen Técnico: Nested-GPT para Cascadas de Partones con Multiplicidad Variable

Enunciado del Problema
La simulación de procesos de interacción fuerte en colisionadores depende de las cascadas de partones para describir la evolución de la dispersión dura hacia estados finales hadrónicos. Aunque los generadores Monte Carlo estándar (por ejemplo, Pythia, Sherpa) proporcionan descripciones exitosas a nivel de logaritmos principales (LL), lograr un control logarítmico sistemático más allá de LL sigue siendo un desafío, particularmente para los logaritmos no globales (NGL). Los NGL surgen en observables sensibles a regiones restringidas del espacio de fases (por ejemplo, vetos de jets o huecos), donde las emisiones correlacionadas a grandes ángulos impiden una exponenciación simple.

En el límite de gran-$N_c$, la resummación de NGL con precisión LL está gobernada por la ecuación no lineal de Banfi–Marchesini–Smye (BMS), que admite una interpretación estocástica como una cascada de dipolos. Sin embargo, generar muestras de alta estadística para estas historias de cascadas discretas, especialmente más allá de LL o en color completo, es computacionalmente prohibitivo debido a la compleja estructura no lineal de las ecuaciones de evolución. Las arquitecturas existentes de aprendizaje automático para la generación de eventos, como GANs, flujos normalizadores o Transformers estándar (por ejemplo, PC-JeDi, JetGPT), no están diseñadas explícitamente para codificar la estructura de ramificación Markoviana ni las condiciones de terminación gobernadas por Sudakov intrínsecas a las cascadas físicas de partones. Además, muchos modelos generativos requieren que la multiplicidad final del evento se especifique externamente, fallando en generar dinámicamente historias de multiplicidad variable.

Metodología
Los autores introducen Nested-GPT, una arquitectura jerárquica autoregresiva de Transformer diseñada para emular la resummación de NGL y simular historias de cascadas de partones con multiplicidad variable. El estudio utiliza el límite de gran-$N_c$ con precisión LL como un punto de referencia controlado, generando datos de referencia para el entrenamiento mediante una cascada estocástica Monte Carlo de dipolos que resuelve la ecuación BMS.

La metodología compara dos enfoques generativos distintos:

1. Línea Base de Ajuste de Flujo (Flow-Matching):

   • Representa una historia de cascada de dipolos como una secuencia de longitud fija de partículas ($N_{max}=100$), ordenadas por tiempo de cascada.
   • Utiliza un modelo generativo de tiempo continuo basado en ajuste de flujo para mapear una distribución base gaussiana a la distribución de datos objetivo mediante una Ecuación Diferencial Ordinaria (ODE).
   • Limitación: Este enfoque requiere que la multiplicidad del evento se muestree y suministre antes de la integración. Funciona como un generador de multiplicidad fija condicional y no aprende inherentemente las probabilidades de emisión/no-emisión que determinan la terminación de la cascada.

2. Arquitectura Nested-GPT:

   • Implementa un generador de eventos autoregresivo inspirado en la atención causal auto-referencial estilo GPT.
   • Estructura Jerárquica:
     • Bucle Externo: Un decodificador Transformer modela las dependencias entre partícula y partícula. Procesa una secuencia de tokens de partícula, donde cada token representa una emisión discreta.
     • Bucle Interno: Un decodificador autoregresivo (específicamente un GRU de 2 capas) genera las características de una sola partícula (tiempo entre emisiones $\Delta t$, momento transversal $p_T$, rapidez $\eta$, azimut $\phi$) secuencialmente.
   • Terminación Dinámica: Crucialmente, el modelo predice una decisión de parada/continuar ($s_i \in \{0, 1\}$) después de generar cada partícula. Si $s_i=0$, la secuencia termina. Esto permite que el modelo aprenda dinámicamente el patrón de terminación impulsado por Sudakov, habilitando una generación verdadera de multiplicidad variable sin especificación externa de $N$.
   • Entrenamiento: El modelo se entrena utilizando fuerza del profesor con una pérdida de entropía cruzada categórica (utilizando suavizado ordinal para bins discretizados) y una pérdida de regresión sobre los centros de los bins. Se utiliza un modelo auxiliar ligero para aprender el prior para la emisión principal.

Contribuciones Clave

• Innovación Arquitectónica: La introducción de Nested-GPT, que codifica explícitamente la estructura de ramificación Markoviana ordenada de las cascadas de partones y aprende una condición de terminación de secuencia aprendida, abordando una brecha en los generadores de eventos existentes basados en ML.
• Marco de Referencia: Una evaluación sistemática de Nested-GPT frente a una línea base de ajuste de flujo Transformer utilizando observables de fracción de hueco bajo dos regímenes de entrenamiento:
  1. Entrenamiento Directo: Entrenamiento sobre historias vetadas donde la condición de hueco se impone durante la generación.
  2. Entrenamiento Inclusivo: Entrenamiento sobre muestras inclusivas (sin veto) seguido de un veto aplicado a nivel de análisis post-generación.
• Consistencia Física: Demostración de que un modelo autoregresivo jerárquico puede internalizar con éxito restricciones complejas del espacio de fases y dinámicas de evolución no lineales características de la resummación de NGL.

Resultados

• Régimen de Hueco Fijo: Nested-GPT exhibe un excelente acuerdo con la cascada resumida de NGL de referencia en todo el rango cinemático. Reproduce con precisión la evolución de la fracción de hueco $G(t)$ y la densidad de rapidez $P(y)$, incluyendo el agotamiento característico en la región central y la caída abrupta en grandes $|y|$.
• Régimen de Generalización: Cuando se entrena con muestras inclusivas y se somete a un veto post-hoc (truncando eventos en la primera emisión que entra en el hueco), tanto Nested-GPT como la línea base de ajuste de flujo recuperan con éxito las características principales de la muestra vetada.
  • Los modelos reproducen correctamente la estructura simétrica de dos picos en rapidez y el acuerdo robusto de la fracción de hueco.
  • Este éxito indica que los modelos han capturado la secuencia de cascada causal y ordenada en el tiempo en lugar de simplemente ajustar probabilidades de emisión única inclusivas.
• Estabilidad: Las muestras generadas coinciden con la cascada de referencia dentro de las incertidumbres estadísticas para los observables considerados. Las trayectorias de entrenamiento muestran un aprendizaje jerárquico, con el modelo resolviendo progresivamente patrones de correlación complejos.

Significado y Afirmaciones
El artículo establece Nested-GPT como un sustituto autoregresivo físicamente consistente para generadores de cascadas de multiplicidad variable. La contribución metodológica principal es la demostración de que las historias cronológicas de cascadas de partones pueden ser emuladas eficientemente a través de mecanismos de atención causal.

Los autores afirman que, si bien el marco de ajuste de flujo sirve como un punto de referencia robusto para el aprendizaje de características continuas, Nested-GPT ofrece una ruta conceptual novedosa para simular secuencias estocásticas de multiplicidad variable gestionando dinámicamente la terminación del evento. El estudio posiciona este trabajo como una prueba de concepto para el uso de IA generativa para eludir cuellos de botella computacionales en QCD de alta precisión. Los autores declaran explícitamente que el trabajo futuro debe centrarse en extender estas arquitecturas a la resummación subprincipal-logarítmica (NLL) y a la evolución de color de $N_c$ finito, donde los códigos públicos actuales enfrentan limitaciones combinatorias y computacionales severas. No afirman un despliegue inmediato para el análisis completo del LHC, sino que proponen esto como un marco viable para evaluar predicciones teóricas complejas frente a datos en el futuro.