ParticleTransformer is all you need for reconstructing hadronic tau leptons

Este artículo presenta ParticleTransformer, un enfoque de tareas múltiples totalmente aprendido por máquina que logra un rendimiento de vanguardia en la identificación, clasificación y reconstrucción de la cinemática de los leptones tau hadrónicos para el programa TeraZ del FCC-ee, superando significativamente a los algoritmos heurísticos convencionales.

Lo esencial

Imagina un colisionador de partículas de alta velocidad como una fábrica masiva y ultraprecisa que hace chocar diminutas partículas para crear otras nuevas. Uno de los "productos" más importantes que fabrica esta fábrica es una partícula llamada leptón tau. Piensa en el leptón tau como una celebridad tímida y de corta vida. Aparece por una fracción de segundo (literalmente una fracción de un billonésimo de segundo) y luego desaparece inmediatamente, rompiéndose en una nube de otras partículas más estables.

El problema es que esta celebridad siempre se lleva un "fantasma" con ella cuando se va: un neutrino, que nadie puede ver. Debido a que este fantasma invisible escapa, la nube de partículas que queda atrás no cuenta la historia completa. Es como intentar averiguar el peso y la velocidad exactos de un coche que ha chocado, pero solo puedes ver los escombros dispersos y algunas piezas del motor, mientras que el conductor (el neutrino) se ha esfumado sin dejar rastro.

El Desafío: Reconstruir lo Invisible

Los físicos necesitan averiguar qué estaba haciendo exactamente el leptón tau antes de desaparecer. Necesitan saber:

1. ¿Es realmente un tau? (Identificación)
2. ¿Cómo se descompuso? (Modo de desintegración)
3. ¿En qué dirección estaba girando? (Carga)
4. ¿A qué velocidad y en qué dirección iba? (Movimiento completo/4-Momento)

Tradicionalmente, los científicos utilizaban algoritmos "heurísticos". Imagina que estos son un equipo de detectives siguiendo un libro de reglas estricto y preescrito: "Si ves tres trazas, es un tau. Si ves dos, no lo es". Aunque útiles, estos libros de reglas tienen dificultades cuando la escena del crimen es desordenada o cuando las reglas no se ajustan perfectamente a la situación específica.

La Solución: El "ParticleTransformer"

Este artículo presenta un enfoque más inteligente utilizando Aprendizaje Automático (Machine Learning), específicamente un tipo de IA llamado ParticleTransformer.

Piensa en el ParticleTransformer no como un detective que sigue un libro de reglas, sino como un detective superinteligente que ha leído todos los expedientes de casos de la historia. En lugar de seguir reglas rígidas, observa toda la nube de escombros (los "candidatos de flujo de partículas") a la vez. Comprende las relaciones entre cada una de las piezas de escombros, de forma muy similar a cómo un maestro chef puede probar una sopa compleja e identificar instantáneamente cada ingrediente y cómo fue cocinado, en lugar de simplemente comprobar si tiene sal o pimienta uno por uno.

Dos Formas de Entrenar a la IA

Los investigadores probaron dos formas diferentes de enseñar a esta IA:

1. SingleParTau (El Equipo de Especialistas): Entrenaron cuatro modelos de IA por separado. Un modelo solo aprendió a identificar taus. Otro solo aprendió a adivinar la carga. Un tercero solo aprendió a calcular la velocidad.

   • Analogía: Esto es como contratar a cuatro equipos de expertos diferentes: un analista de huellas dactilares, un experto en balística, un especialista en ADN y un toxicólogo. Cada uno es el mejor del mundo en su trabajo específico, pero tienes que pagar por cuatro personas.

2. MultiParTau (El Genio Universal): Entrenaron a un solo modelo de IA para que hiciera los cuatro trabajos al mismo tiempo.

   • Analogía: Esto es como contratar a un "superdetective" que está entrenado para hacer todo. Utilizan el mismo cerebro (la "columna vertebral") para procesar las pistas, pero tienen diferentes "sombreros" o herramientas que cambian según la pregunta.

Los Resultados: ¿Qué Descubrieron?

El artículo compara estos dos enfoques con los métodos antiguos de "libro de reglas" y entre sí:

• Precisión: Ambos enfoques de IA son increíblemente buenos. Pueden identificar taus con una "tasa de mala identificación" tan baja que es casi insignificante (aproc. 1 error en 1,000). Esta es una mejora masiva respecto a los métodos antiguos, que eran hasta 100 veces peores a la hora de adivinar la carga de la partícula.
• El "Genio Universal" gana en eficiencia: El modelo único (MultiParTau) funcionó tan bien como el equipo de especialistas para identificar la partícula, adivinar cómo se descompuso y determinar su carga.
  • La Gran Victoria: El modelo único utiliza solo una cuarta parte de la potencia informática (parámetros) necesaria para ejecutar los cuatro modelos por separado. Es como obtener el mismo trabajo de alta calidad de un solo empleado en lugar de cuatro, ahorrando una enorme cantidad de recursos.
• La ventaja del "Especialista": El único área en la que el equipo de especialistas (SingleParTau) fue ligeramente mejor fue en el cálculo de la velocidad y dirección exacta (cinemática). Sin embargo, la diferencia fue tan pequeña que el "Genio Universal" sigue siendo considerado excelente para esta tarea.

Por qué esto es importante para el futuro

El artículo se centra en un experimento futuro llamado FCC-ee (Futuro Colisionador Circular), que producirá un trillón de "bosones Z" (un tipo de partícula) que se desintegran en pares de tau. Esto se denomina el programa "TeraZ".

Debido a que la máquina producirá una cantidad masiva de eventos, los viejos métodos de libro de reglas serían demasiado lentos y no lo suficientemente precisos para manejar los datos. Los nuevos modelos de IA proporcionan una solución rápida y de alto rendimiento que puede manejar la enorme cantidad de datos, permitiendo a los físicos:

• Medir las propiedades del bosón de Higgs con extrema precisión.
• Buscar nueva física desconocida más allá de nuestra comprensión actual.
• Reconstruir la historia completa de la vida del leptón tau, incluso con el fantasma invisible del neutrino ausente.

En resumen, los autores han construido un "ParticleTransformer" que actúa como una navaja suiza para la física de partículas: es rápido, increíblemente preciso y puede realizar casi todas las tareas necesarias para reconstruir estas partículas esquivas, convirtiéndolo en la herramienta perfecta para la próxima generación de colisionadores de partículas.

Resumen técnico

Resumen Técnico: ParticleTransformer para la reconstrucción de taus hadrónicos en FCC-ee

Planteamiento del Problema
El programa TeraZ previsto para el Futuro Colisionador Circular (FCC-ee) espera producir aproximadamente $10^{11}$ eventos $Z \to \tau\tau$. Este conjunto de datos ofrece oportunidades sin precedentes para mediciones de precisión y búsquedas de física más allá del Modelo Estándar. Sin embargo, la reconstrucción precisa de los leptones tau hadrónicos ($\tau_h$) sigue siendo un desafío significativo. La corta vida útil del leptón tau ($290$ fs) impide su observación directa, lo que requiere la inferencia a partir de sus productos de desintegración, que incluyen al menos un neutrino no detectado ($\nu_\tau$). Esto resulta en un estado final reconstruible reducido y una distribución de masa visible desplazada y ensanchada.

Los algoritmos de reconstrucción actuales, como el enfoque de hadrón más tiras (HPS) utilizado en CMS, dependen de heurísticas clásicas que combinan trazas cargadas y tiras de calorímetro. Aunque son efectivos, estos métodos tienen dificultades con las diversas topologías de las desintegraciones de $\tau_h$ y la necesidad de una regresión cinemática robusta para recuperar la verdadera masa de resonancia. Además, la reconstrucción precisa de la carga de la $\tau_h$ es crítica para reducir el fondo combinatorio en búsquedas de resonancias di-tau y para medir los ángulos de mezcla electrodébiles mediante la asimetría de paridad de carga hacia adelante. Los enfoques de aprendizaje profundo existentes (por ejemplo, DeepTau, TaT) han mejorado la identificación, pero a menudo abordan las tareas de forma aislada o carecen de un marco unificado para la reconstrucción cinemática completa adaptada a los entornos de colisionadores de leptones.

Metodología
Este trabajo presenta el primer enfoque de aprendizaje automático completo y de extremo a extremo (end-to-end) diseñado específicamente para estudios de reconstrucción de tau hadrónico en FCC-ee. El problema de reconstrucción se formula como un conjunto de cuatro tareas de aprendizaje supervisado complementarias:

1. Identificación de Tau: Clasificación binaria para distinguir jets $\tau_h$ de jets de fondo $q\bar{q}$.
2. Clasificación de Modos de Desintegración: Clasificación multiclase en seis categorías basadas en la multiplicidad de hadrones cargados ($h^\pm$) y piones neutros ($\pi^0$).
3. Reconstrucción de Carga: Clasificación binaria para determinar la carga de la $\tau_h$ ($q = \pm 1$).
4. Regresión de Cuatro-Momento Completo: Regresión del cuatro-momento visible ($p^\mu = p_T^{vis}, \eta^{vis}, \phi^{vis}, m^{vis}$).

Los autores utilizan la arquitectura ParticleTransformer, que opera sobre candidatos de flujo de partículas reconstruidos dentro de un jet. Se comparan dos estrategias de entrenamiento:

• SingleParTau: Un modelo dedicado entrenado de forma independiente para cada una de las cuatro tareas.
• MultiParTau: Un modelo multitarea unificado que comparte un tronco común (backbone ParticleTransformer) con cabezales específicos para cada tarea (utilizando tokens CLS dedicados) para resolver las cuatro tareas simultáneamente.

Los modelos se entrenan con un conjunto de datos de aproximadamente 5.3 millones de eventos de señal ($Z/\gamma^* \to \tau\tau$) y 35.4 millones de eventos de fondo ($Z \to q\bar{q}$) generados mediante PYTHIA8 y simulados con Geant4 utilizando el concepto de detector CLD (CLIC Like Detector). Las características de entrada incluyen variables cinemáticas, identificación de partículas y parámetros de impacto. La estrategia MultiParTrain emplea el algoritmo PCGrad para mitigar la interferencia de gradientes entre tareas y utiliza una combinación ponderada de funciones de pérdida específicas de cada tarea (Entropía Cruzada para clasificación, pérdida de Huber/Cuerda para regresión).

Resultos Clave
El rendimiento de ambos enfoques fue evaluado en muestras de colisiones electrón-positrón totalmente simuladas con efectos de detector realistas:

• Identificación de Tau: Ambos modelos logran tasas de identificación errónea a nivel de milésimas ($P_{misid} \sim 10^{-3}$) con una eficiencia de señal global del 80%. El modelo MultiParTau performa ligeramente mejor en todo el rango de $p_T$.
• Clasificación de Modos de Desintegración: Ambos enfoques alcanzan puntuaciones F1 entre 0.89 y 0.95 para los canales dominantes. El modelo unificado MultiParTau muestra una mejora ligera y consistente sobre los modelos dedicados SingleParTau. La matriz de confusión indica una reconstrucción correcta en el 90–95% de los canales dominantes.
• Reconstrucción de Carga: Los modelos de ML logran tasas de identificación errónea de carga por debajo de $10^{-3}$ hasta un 80% de eficiencia. Esto supera al estimador de carga de jet convencional (QKappa) por uno o dos órdenes de magnitud, particularmente en momentos transversales altos donde QKappa pierde poder de discriminación.
• Reconstrucción Cinemática:
  • Resolución Angular: SingleParTau logra el mejor $\Delta R$ mediano ($3.1\text{--}3.7 \times 10^{-3}$), mientras que MultiParTau es comparable ($3.8\text{--}5.4 \times 10^{-3}$). Ambos superan significativamente a los observables de jet a nivel de reconstrucción.
  • Resolución de Momento: SingleParTau logra una resolución de momento transversal visible ($p_T^{vis}$) de 2.51–3.11% (basada en IQR), con MultiParTau alcanzando 2.54–3.20%.
  • Reconstrucción de Masa: La masa invariante visible es el componente más difícil de reconstruir debido a su dependencia de los modos de desintegración y la presencia de neutrinos, lo que resulta en distribuciones más anchas.

Significancia y Reivindicaciones
El artículo afirma proporcionar la primera solución de alto rendimiento basada en aprendizaje automático y realista para la reconstrucción de tau hadrónico en FCC-ee que integra identificación, discriminación de carga, análisis de modo de desintegración y reconstrucción cinemática completa.

Una contribución primaria es la demostración de que un enfoque unificado multitarea (MultiParTau) puede alcanzar un rendimiento comparable, o ligeramente superior, a los modelos dedicados de tarea única para tareas de clasificación, utilizando solo aproximadamente una cuarta parte de los parámetros entrenables (3.58 M frente a ~13.92 M para cuatro modelos separados). Si bien el enfoque dedicado SingleParTau ofrece una reconstrucción cinemática marginalmente superior, los autores sostienen que el modelo unificado aborda con éxito el problema completo de la reconstrucción de $\tau_h$ con alta eficiencia.

Los modelos resultantes proporcionan objetos $\tau_h$ reconstruidos de alto nivel adecuados para la selección de eventos en futuros análisis de FCC-ee. El trabajo establece una base para extender estos métodos para incluir vértices secundarios para firmas desplazadas y reconstrucción de neutrinos, aunque estas extensiones específicas se señalan como trabajo futuro en lugar de logros actuales.