Weight-Based Representation Learning for Parameter Inference in Monte Carlo Simulations

Resumen Técnico: Aprendizaje de Representación Basado en Pesos para la Inferencia de Parámetros en Simulaciones de Monte Carlo

Planteamiento del Problema
La inferencia de parámetros tradicional en la física de altas energías a menudo se basa en la simulación de observaciones en puntos discretos de un espacio de parámetros continuo (por ejemplo, el acoplamiento de Yukawa del quark top, $y_t$) para construir verosimilitudes. Este enfoque enfrenta dos limitaciones primarias: requiere recursos computacionales inmensos para cubrir el rango continuo de parámetros, y a menudo descarta información latente valiosa que solo está disponible a nivel de simulación. Si bien el aprendizaje automático (ML) se ha aplicado para aprender representaciones de datos de alta dimensión, los enfoques estándar suelen ignorar la información específica de la simulación, como los pesos a nivel de evento, que codifican la sensibilidad de la distribución de probabilidad respecto a los parámetros del modelo. Además, los métodos existentes que utilizan información a nivel de simulación (por ejemplo, la construcción de la razón de verosimilitud) a menudo requieren generar conjuntos de datos separados para diferentes valores de los parámetros, lo que conduce a un escalamiento exponencial de los costos computacionales cuando se infieren múltiples parámetros.

Metodología
Los autores proponen un marco de aprendizaje de representación basado en pesos que explota los pesos a nivel de evento proporcionados por los simuladores de Monte Carlo para inferir parámetros del modelo. La hipótesis central es que estos pesos, que describen el cambio en la probabilidad con respecto a los parámetros del modelo, sirven como una señal de supervisión débil para aprender representaciones informativas de los parámetros.

La metodología se demuestra utilizando la producción simulada de cuatro quarks top ($t\bar{{t}}t\bar{t}$) para inferir el acoplamiento de Yukawa del quark top ($y_t$). El enfoque involucra una estrategia de aprendizaje de dos etapas:

1. Red de Rechazo de Fondo: Una red neuronal se entrena para distinguir el proceso de señal ($t\bar{t}t\bar{t}$) de los procesos de fondo dominantes ($t\bar{t}$ y $t\bar{t}H$). La salida de esta red categoriza los eventos en 55 bins distintos basados en la separación de señal y fondo, asegurando una pureza de eventos suficiente para el análisis posterior.
2. Red de Inferencia de Parámetros: Una segunda red neuronal se entrena para discriminar entre eventos de "peso alto" y "peso bajo". Estas categorías se definen mediante la razón de los pesos asignados a diferentes valores de $y_t$. La red aprende a mapear características cinemáticas hacia una representación donde la distribución de salida cambia a medida que $y_t$ varía. Específicamente, a medida que $y_t$ aumenta, la distribución de los eventos de peso alto se vuelve más pronunciada.

Representación de Datos e Inferencia
Las salidas de ambas redes se utilizan para construir estadísticas sumarias bincadas (histogramas de plantillas o templates). Los eventos se agrupan primero por la red de rechazo de fondo (55 categorías) y luego se subdividen adicionalmente por la red de inferencia de parámetros en histogramas con hasta seis bins.

Se comparan dos estrategias de inferencia:

• Inferencia Directa: Los rendimientos de los eventos en cada bin del histograma se parametrizan como funciones continuas de la razón normalizada del acoplamiento de Yukawa $Y_t = |y_t/y_t^{SM}|$. Los rendimientos de la señal ($t\bar{t}t\bar{t}$) se ajustan a un polinomio de 4º orden, mientras que los rendimientos de fondo ($t\bar{t}$ y $t\bar{t}H$) se ajustan a polinomios de 2º orden o se escalan por $Y_t^2$. Se construye una función de verosimilitud utilizando estos rendimientos parametrizados para inferir el rango probable de $Y_t$.
• Inferencia Tradicional (Delegada o Surrogate): Un método de referencia donde la sección eficaz del proceso $t\bar{t}t\bar{t}$ se infiere mediante un parámetro de intensidad de señal ($\mu$). Esta sección eficaz inferida se compara posteriormente con predicciones teóricas para derivar límites sobre $Y_t$.

Resultos Clave
El estudio evalúa el rendimiento del método propuesto frente al enfoque delegado tradicional utilizando datos simulados correspondientes a tres escenarios de datos: CMS 2017, CMS Full Run 2 (2016–2018) y el HL-LHC (LHC de Alta Luminosidad).

• Precisión: El método de inferencia directa produce restricciones más estrictas sobre $Y_t$ en comparación con el método tradicional. Por ejemplo, al nivel de datos del HL-LHC, el método directo logra un rango de nivel de confianza (CL) del 68% de $1^{+0.112}_{-0.095}$, mientras que el método tradicional (sin parametrizar los fondos) produce un rango más amplio.
• Incertidumbre Sistemática vs. Estadística: Como era de esperar, las incertidumbres estadísticas disminuyen con el aumento del volumen de datos, pero las incertidumbres sistemáticas permanecen constantes, lo que indica que las mejoras futuras en la sensibilidad de la medición del acoplamiento dependen de la reducción de los errores sistemáticos.
• Extensión Multiparámetro: Los autores extienden el marco a un estudio de caso de violación de CP que involucra dos parámetros: un acoplamiento CP-par ($a_t$) y un acoplamiento CP-impar ($b_t$). Las estadísticas sumarias construidas para el caso de un solo parámetro se adaptan para inferir la región conjunta de $a_t$ y $b_t$. Los resultados muestran que el método de inferencia directa proporciona restricciones significativamente más estrictas en el espacio de parámetros en comparación con el método de sección eficaz delegada, particularmente cuando los procesos de fondo están parametrizados.

Significancia y Reivindicaciones
El artículo afirma que la incorporación de los pesos de eventos proporcionados por el simulador en el proceso de entrenamiento de ML permite la extracción de información sensible a los parámetros que de otro modo sería inaccesible a partir de observables reconstruidos únicamente. Al aprender la relación entre las características cinemáticas y los pesos de la simulación, el modelo puede inferir parámetros sobre un rango continuo sin requerir múltiples simulaciones discretas para cada valor de parámetro.

Los autores enfatizan que este enfoque es computacionalmente eficiente, ya que reemplaza la necesidad de múltiples simulaciones a través de una rejilla de parámetros con un único conjunto de simulaciones aumentadas por cálculos de pesos. Además, el método se presenta como una extensión práctica de los enfoques actuales basados en histogramas, ofreciendo una sensibilidad mejorada sobre los métodos tradicionales de cantidades delegadas. El artículo concluye que, si bien el trabajo actual es una prueba de concepto, el marco es robusto y puede aplicarse a otros problemas de inferencia de parámetros donde los simuladores proporcionan cálculos de pesos, con el potencial de superar a los métodos tradicionales incluso cuando el modelo de inferencia no está entrenado explícitamente en los parámetros extendidos de un modelo de física modificado.