Flow-Based Surrogates for High-Dimensional Likelihoods in Experimental Neutrino Physics

Resumen Técnico: Surrogatos Basados en Flujos para Verosimilitudes de Alta Dimensión en la Física de Neutrinos Experimental

Declaración del Problema
Los experimentos de neutrinos de largo alcance de precisión dependen de los datos de detectores cercanos para restringir las incertidumbres sistemáticas (parámetros de molestia) que afectan al flujo de neutrinos no oscilado. Estas restricciones son esenciales para las mediciones precisas de parámetros de oscilación en detectores lejanos y para análisis conjuntos entre múltiples experimentos. Sin embargo, las funciones de verosimilitud restringidas en estos escenarios suelen ser de alta dimensión (por ejemplo, $\sim 100$ parámetros) y no gaussianas debido a las dependencias no lineales de los parámetros, los límites físicos y la estadística limitada.

Los métodos de propagación actuales enfrentan una brecha metodológica:

1. Aproximaciones Gaussianas Post-ajuste: Son portátiles y de forma cerrada, pero asumen una log-verosimilitud cuadrática, lo que impide capturar colas asimétricas, correlaciones curvas y modos no gaussianos, pudiendo introducir sesgos.
2. Monte Carlo por Cadenas de Markov (MCMC): Aunque son asintóticamente exactos y fieles a la estructura de la verosimilitud, las muestras de MCMC no son funciones continuas de forma cerrada, lo que dificulta su inserción directa en verosimilitudes descendentes para la optimización basada en gradientes o el reuso eficiente.
3. Implementaciones de Verosimilitud Completa: Son precisas, pero requieren acceso a software, datos e infraestructura específicos, lo que las hace poco prácticas para la propagación de restricciones portátil.

Metodología
Los autores proponen el uso de Flujos de Normalización (NF) como modelos surrogatos explícitos y portátiles para verosimilitudes sistemáticas de alta dimensión. El enfoque consiste en aprender un mapa invertible $f_\theta$ que transforma una distribución base simple en la densidad de verosimilitud sistemática objetivo $p(\eta) \propto \mathcal{L}(\eta)$.

• Arquitectura Híbrida: Para equilibrar la expresividad y el costo computacional en altas dimensiones, los autores emplean una arquitectura híbrida que particiona los parámetros de molestia $\eta$ en dos bloques:

  • $\eta_B$ (Alta dimensión, aproximadamente lineal): Modelado mediante capas de acoplamiento (bloques de acoplamiento afín). Estos proporcionan inversas analíticas rápidas de un solo paso y evaluaciones de densidad, adecuados para la mayoría de los parámetros que exhiben un comportamiento lineal.
  • $\eta_A$ (Baja dimensión, altamente no lineal): Modelado mediante Flujos de Splines Cuadráticos Racionales (RQ-NSF) autorregresivos condicionales. Este bloque captura características no gaussianas complejas. La estructura autorregresiva está condicionada a $\eta_B$ para preservar las correlaciones cruzadas, restringiendo la computación autorregresiva costosa al bloque más pequeño y difícil.
  • Inicialización: El flujo se inicializa utilizando la aproximación gaussiana post-ajuste (punto de mejor ajuste y matriz de covarianza de un ajuste estándar) para proporcionar una fuerte distribución de propuesta y muestras de entrenamiento.

• Estrategia de Entrenamiento: El modelo se entrena minimizando una divergencia de Kullback-Leibler (KL) simétrica entre la verosimilitud objetivo y la aproximación del flujo. Para manejar la alta dimensionalidad y el costo de las evaluaciones de verosimilitud, se utiliza un esquema de entrenamiento asíncrono iterativo:

  • Los trabajadores de CPU toman muestras de un checkpoint rezagado del flujo para generar muestras de propuesta.
  • Estas muestras se evalúan contra la verosimilitud objetivo costosa.
  • El conjunto de datos resultante se introduce en un búfer FIFO.
  • Un entrenador de GPU optimiza continuamente los parámetros del flujo sobre el conjunto de datos agregado.
  • Este proceso refina iterativamente la distribución de propuesta, reduciendo la varianza de los pesos de importancia.

Contribuciones Clave y Resultados
El método fue evaluado mediante un réplica realista de un análisis del detector cercano de T2K que involucra 110 parámetros sistemáticos, 10 de los cuales introducen no gaussianidades explícitas mediante pesos de eventos no lineales.

• Fidelidad en el Espacio de Parámetros: El surrogato NF reproducen la verosimilitud objetivo con alta fidelidad.
  • Distribuciones Marginales: El NF captura con precisión las colas asimétricas y los modos desplazados del valor de mejor ajuste para los 10 parámetros no lineales, coincidiendo estrechamente con una cadena de referencia de MCMC (4.2 millones de muestras). En contraste, la aproximación gaussiana falla al capturar estas características.
  • Correlaciones: El NF modela correctamente las correlaciones curvas y las regiones de confianza distorsionadas en proyecciones 2D, aspectos que el modelo gaussiano omite.
• Predicciones de Flujo: Al propagar las incertidumbres sistemáticas a las predicciones de flujo:
  • Las bandas de incertidumbre derivadas del NF concuerdan con los resultados de MCMC dentro de $\approx \pm 1\%$.
  • La aproximación gaussiana sobreestima el ancho de las incertidumbres en $\approx 3.5\%$ y subestima la tasa mediana de eventos en $\approx 0.2\%$, lo que indica un sesgo en el surrogato gaussiano.
• Eficiencia de Muestreo:
  • El NF entrenado logra un tamaño de muestra efectivo relativo (rESS) del 98%, comparado con solo el 5% de la propuesta gaussiana inicial.
  • Esto representa una mejora de $\sim 20$ veces en la eficiencia de muestreo para el muestreo de importancia.
  • Una vez entrenado, el surrogato es computacionalmente económico: puede generar $\sim 38$ millones de muestras por hora de GPU, frente a $\sim 10,000$ evaluaciones por hora de CPU de la verosimilitud original.
• Escalabilidad: El costo computacional escala principalmente con el tamaño del bloque no lineal ($D_A$), no con la dimensión total. Incluso con $D_A=100$, el surrogato sigue siendo significativamente más rápido que la evaluación de la verosimilitud original.

Significancia y Reivindicaciones
El artículo afirma que los flujos de normalización proporcionan una solución "fiel y portátil" para las verosimilitudes de alta dimensión en la física de neutrinos. Al convertir la verosimilitud sistemática ajustada en un modelo de densidad explícito, el NF actúa como un surrogato de forma cerrada, muestreable y evaluable punto a punto.

La significancia radica en cerrar la brecha entre los resúmenes gaussianos y las muestras de MCMC:

• Al igual que las aproximaciones gaussianas, el NF es ligero, portátil y no requiere los datos originales ni la maquinaria de ajuste para su uso posterior.
• Al igual que el MCMC, preserva toda la estructura no gaussiana (asimetría, correlaciones curvas, colas no gaussianas), evitando así los sesgos inherentes a las aproximaciones cuadráticas.

Los autores posicionan este método como esencial para las futuras mediciones de oscilación de precisión, particularmente para ajustes conjuntos de experimentos (ej. T2K-NOvA) y análisis globales donde las restricciones de una etapa deben propagarse rigurosamente a otra sin pérdida de información estadística. El flujo entrenado permite la optimización basada en gradientes y la propagación de incertidumbres en análisis descendentes sin tener que volver a ejecutar el ajuste inicial.