Deep-learning-based low-energy trigger algorithms for the Hyper-Kamiokande experiment

Este artículo demuestra que los algoritmos de disparo basados en aprendizaje profundo, particularmente una red neuronal supervisada y un modelo de detección de anomalías basado en MPDR, superan significativamente a los disparadores tradicionales de conteo de impactos en la identificación de eventos de neutrinos de baja energía para el experimento Hyper-Kamiokande, manteniendo al mismo tiempo la viabilidad en tiempo real con latencias de inferencia en GPU de submilisegundos.

Lo esencial

Imagina el experimento Hyper-Kamiokande como una estación de escucha submarina masiva y ultrasensible. Su trabajo es "escuchar" las diminutas ondulaciones causadas por partículas fantasmales llamadas neutrinos. Sin embargo, este océano es increíblemente ruidoso. El detector es bombardeado constantemente por estática aleatoria y charlas de fondo (ruido del detector), lo que hace que sea muy difícil detectar los tenues y específicos susurros de los neutrinos que buscamos, especialmente los de baja energía.

El artículo presenta una nueva forma de filtrar este ruido utilizando Inteligencia Artificial (IA), que actúa como un guardia de seguridad superinteligente capaz de decidir instantáneamente si guardar una grabación o ignorarla.

Aquí tienes un desglose de su enfoque utilizando analogías de la vida cotidiana:

1. El Problema: Encontrar un susurro en medio de una tormenta

En el pasado, el detector utilizaba una regla simple para decidir qué guardar: "Si escuchamos esta cantidad de clics de nuestros sensores, guárdalo". Esto es como un portero de un club que solo deja entrar a la gente si están gritando.

• El Defecto: Los neutrinos de baja energía son silenciosos. No producen suficientes "clics" para activar la vieja regla, por lo que se ignoran. Mientras tanto, el ruido aleatorio a veces genera suficientes clics para engañar al sistema, desperdiciando espacio de almacenamiento en datos basura.

2. La Solución: El Detective de Patrones de IA

Los investigadores entrenaron a tres tipos diferentes de "detectives" de IA para observar los datos. En lugar de solo contar clics, estos detectives observan la forma, el tiempo y la ubicación de las señales, de forma muy similar a un detective que busca una huella dactilar específica en lugar de solo contar cuántas personas hay en una habitación.

Detective A: El Maestro Supervisado (El "Cazador de Señales")

• Cómo funciona: Esta IA fue mostrada millones de ejemplos de "susurros de neutrinos reales" y "estática de ruido falsa". Aprendió exactamente cómo se ve una señal real.
• El Truco: Utiliza una arquitectura cerebral sofisticada (llamada Transformer) que entiende cómo se comunican entre sí los diferentes sensores. No solo mira un sensor; ve toda la "danza" de las partículas.
• El Resultado: Es increíblemente bueno detectando los susurros silenciosos. Para una señal muy tenue (3 MeV), captó el 76.7% de ellas, mientras que el viejo método de "contar clics" solo captó el 26.4%. Es como actualizar un detector de metales que solo encuentra monedas grandes a uno que encuentra diminutas pepitas de oro.

Detective B: El Especialista en Ruido (El "Cazador de Anomalías")

• Cómo funciona: Esta IA solo recibió muestras del ruido de fondo. Aprendió a memorizar perfectamente cómo es la "estática normal".
• El Truco: Cuando ve algo que no encaja del todo con el "patrón de ruido" (incluso si no sabe exactamente qué es la señal), lo marca como "sospechoso". Esto se llama Detección de Anomalías.
• El Resultado: Una versión de esto (llamada MPDR) fue sorprendentemente buena, captando el 31.8% de las señales. Es como un guardia de seguridad que conoce tan bien el sonido del viento que, si una puerta chirría de forma ligeramente distinta, sabe que algo sucede, incluso si no sabe qué aspecto tiene el intruso.

3. La "Magia" de la Velocidad

Normalmente, la IA sofisticada es lenta y requiere computadoras masivas. Los investigadores probaron estos detectives en potentes tarjetas gráficas (GPUs) y descubrieron que podían tomar una decisión en menos de un milisegundo.

• La Analogía: Imagina a un guardia de seguridad que puede escanear a mil personas en el tiempo que tardas en parpadear. Esta velocidad significa que pueden usarse en tiempo real, filtrando los datos mientas ocurren, en lugar de esperar a analizarlos más tarde.

4. Lo que Encontraron

• El Ganador: El "Cazador de Señales" (IA supervisada) fue el mejor encontrando los neutrinos, especialmente los más tenues.
• El Segundo Lugar: El "Cazador de Anomalías" (MPDR) también fue muy bueno y tiene una ventaja especial: no necesita saber cómo es la señal de antemano. Solo necesita saber cómo no es el ruido. Esto es genial porque si nuestro entendimiento de los neutrinos cambia, esta IA sigue funcionando.
• El Perdedor: Un método simple de "contar los clics" (la forma antigua) perdió la mayoría de las señales de baja energía.
• Bonus: También probaron si estos sistemas de IA podían detectar "rayos gamma" (un tipo diferente de señal de partícula). La IA fue mucho mejor en esto que el método antiguo también.

Resumen

El artículo demuestra que al usar IA moderna para observar los patrones de luz y tiempo en el detector, en lugar de simplemente contar cuántos sensores se activaron, podemos escuchar los "susurros" del universo que antes eran demasiado silenciosos para ser detectados. Esto permite a los científicos ampliar los límites de lo que pueden ver, revelando potencialmente secretos sobre el sol, estrellas en explosión y las leyes fundamentales de la física.

Resumen técnico

Resumen Técnico: Algoritmos de Disparo Basados en Aprendizaje Profundo para la Baja Energía en el Experimento Hyper-Kamiokande

Planteamiento del Problema
El experimento Hyper-Kamiokande (Hyper-K) tiene como objetivo realizar mediciones de precisión de neutrinos de baja energía (por debajo de 7 MeV), incluyendo neutrinos solares, de supernovas y de reactores, así como el Fondo Difuso de Neutrinos de Supernova (DSNB). Un cuello de botella crítico para estos estudios es la capacidad del sistema de Adquisición de Datos (DAQ) para distinguir las tenues señales de Cherenkov del ruido dominante del detector en tiempo real. Los disparos (triggers) tradicionales basados en simples umbrales de conteo de impactos (NHits) sufren de una baja eficiencia a estas energías porque el número de impactos de las señales de baja energía se solapa significativamente con la distribución de los impactos de ruido oscuro. Para explotar plenamente el potencial de la física de Hyper-K, particularmente para resolver tensiones en las mediciones de $\Delta m^2_{21}$ y detectar eventos raros de supernovas, el umbral de detección debe reducirse por debajo de los 7 MeV. Esto requiere algoritmos de disparo capaces de reconocer patrones espaciotemporales complejos en datos de impactos de PMT dispersos, operando bajo estrictas restricciones de tiempo de ejecución (latencia sub-milisegundo).

Metodología
Los autores proponen y evalúan dos enfoques distintos de aprendizaje automático para el disparo de baja energía, ambos operando sobre representaciones de nubes de puntos dispersas de los impactos de los Tubos Fotomultiplicadores (PMT) (posición, tiempo y carga) dentro de ventanas de 400 ns:

1. Clasificadores Transformer Supervisados:

   • Arquitectura: Un codificador Transformer de 6 capas que utiliza mecanismos de autoatención para modelar el contexto global del evento y las correlaciones locales de los impactos.
   • Representación de Entrada: Los impactos se codifican utilizando coordenadas cilíndricas alineadas con la geometría del detector. Las características incluyen la posición espacial (seno/coseno del azimut, radio/altura normalizados), el tiempo de impacto y la carga integrada.
   • Estrategias de Entrenamiento: Se probaron dos niveles de supervisión:
     • A nivel de evento: Predicción de una única etiqueta de señal/ruido para todo el evento.
     • A nivel de impacto: Predicción del estado de señal/ruido de los impactos individuales, donde la puntuación final del evento se deriva de la probabilidad máxima de impacto.
   • Datos: Entrenado en 1 millón de eventos simulados de un solo electrón (0–7 MeV) mezclados con ruido del detector.

2. Detección de Anomalías No Supervisada (Aprendizaje de Solo Ruido):

   • Enfoque: Modelos entrenados exclusivamente en ruido del detector para identificar eventos que se desvíen de la distribución de ruido aprendida.
   • Autoencoder: Un autoencoder basado en transformer (Codificador-Decodificador) entrenado para reconstruir eventos de ruido. Utiliza una restricción de espacio latente de norma unitaria y un número fijo de impactos candidatos con probabilidades de existencia para manejar multiplicidades de impactos variables.
   • Recuperación de Proyección de Variedad–Difusión (MPDR): Un modelo basado en energía (específicamente MPDR-S) que aprende una función de energía escalar $E_\theta(X)$. Emplea un proceso de entrenamiento de dos fases:
     • Fase I: Entrenar el autoencoder en ruido.
     • Fase II: Congelar el autoencoder y entrenar una función de energía para distinguir el ruido real de los negativos sintéticos "difíciles". Estos negativos se generan perturbando el ruido en el espacio latente y recuperándolos parcialmente mediante un proceso tipo MCMC de Langevin.
   • Entrada: Utiliza únicamente información espacial (parametrización de esfera unitaria) y temporal; la carga se omite para estos modelos.

Contribuciones Clave y Resultados
El estudio proporciona una evaluación comparativa exhaustiva de estos algoritmos frente a un disparador tradicional de NHits y evalúa su rendimiento en términos de eficiencia de señal, poder de discriminación y tiempo de ejecución.

• Eficiencia de Identificación de Señal:

  • El clasificador supervisado a nivel de impacto logró el mayor rendimiento, identificando el 76.7% de los electrones de 3 MeV con una tasa de disparo falso <10 kHz. Esto supera significativamente al disparador tradicional de NHits (26.4%) y al enfoque MPDR (31.8%).
  • El clasificador supervisado a nivel de evento funcionó de manera similar por encima de 4 MeV, pero mostró una caída de eficiencia del 5–7% respecto a la versión a nivel de impacto en el rango de 2–3 MeV.
  • El enfoque MPDR superó al disparador NHits en todo el espectro de energía (ej., 31.9% vs. 26.4% a 3 MeV), demostrando que la detección de anomalías puede mejorar los disparos de baja energía sin un modelado explícito de la señal.
  • El autoencoder puro (sin MPDR) funcionó peor que el disparador NHits (AUROC 0.76 vs. 0.86), lo que indica que el error de reconstrucción por sí solo es insuficiente para esta tarea.

• Importancia de las Características:

  • Los estudios de ablación de características revelaron que el tiempo de impacto es la característica más crítica. Eliminar la información de carga tuvo un impacto insignificante en el rendimiento (AUROC ~0.90), mientras que eliminar la información de tiempo causó una caída drástica en el desempeño. Esto sugiere que las correlaciones espaciotemporales son los principales discriminadores, lo que potencialmente reduce la dependencia de una calibración precisa de la carga de los PMT.

• Etiquetado de Neutrones y Identificación de Gamma:

  • Los modelos entrenados en electrones se aplicaron a rayos gamma de 2.2 MeV (simulando la captura de neutrones en hidrógeno). El clasificador supervisado a nivel de impacto alcanzó una eficiencia del 25.4%, comparado con el 4.2% de NHits. El MPDR alcanzó un 4.8%.

• Rendimiento de Tiempo de Ejecución:

  • Los benchmarks de inferencia en una GPU NVIDIA A100 mostraron que todos los modelos operan muy por debajo de la escala de milisegundos.
  • La red de energía MPDR demostró el mayor rendimiento (30,000 ventanas/s), seguida por el autoencoder (20,000 ventanas/s).
  • El transformer supervisado, aunque potente, presenta mayor latencia y uso de memoria debido al costo computacional de calcular los sesgos posicionales relativos por pares para la atención.

Significancia y Reivindicaciones
El artículo sostiene que los disparos basados en aprendizaje profundo ofrecen un camino viable para reducir el umbral de detección de Hyper-Kamiokande por debajo de 7 MeV, un régimen donde los disparos tradicionales fallan debido al predominio del ruido.

• Viabilidad del ML en Tiempo Real: El estudio demuestra que modelos complejos de aprendizaje profundo, incluyendo Transformers y modelos basados en energía, pueden integrarse en sistemas de DAQ en línea con latencias de inferencia en las decenas de microsegundos, satisfaciendo los estrictos requisitos de tiempo del experimento.
• Robustez vía Detección de Anomalías: El enfoque MPDR se destaca como una prueba de concepto significativa para la detección de anomalías en la física de partículas. Su capacidad para mejorar la eficiencia sin requerir un modelado detallado de la señal lo hace robusto contra posibles errores de modelado de la física de la señal, siempre que el ruido del detector esté bien comprendido.
• Complementariedad: Los resultados sugieren que combinar disparadores tradicionales de conteo de impactos con algoritmos de aprendizaje automático (por ejemplo, usando NHits como un pre-disparador) podría optimizar el uso de recursos mientras se maximiza la retención de la señal.
• Impacto en la Física: Al permitir la adquisición eficiente de datos por debajo de 7 MeV, estos algoritmos apoyan directamente objetivos físicos críticos, incluyendo la resolución de los parámetros de oscilación de neutrinos solares, la detección del DSNB y el estudio de la dinámica de supernovas.

Los autores concluyen que, si bien el clasificador supervisado a nivel de impacto ofrece actualmente el mejor rendimiento, el enfoque MPDR proporciona una alternativa robusta y agnóstica a la señal. Señalan que se podrían lograr mayores avances mediante modelos dedicados que incorporen correlaciones temporales entre señales de leptones prompt y rayos gamma retardados para el etiquetado de neutrones, lo cual no fue explorado completamente en este estudio específico.