Physically Consistent Parameter Inference: Transparent Machine Learning Emulation in High Energy Physics and Cosmology

Resumen Técnico: Inferencia de Parámetros Físicamente Consistente mediante Aprendizaje Automático Transparente

Planteamiento del Problema
Los ajustes globales en física de altas energías (HEP) y cosmología se enfrentan frecuentemente al desafío de explorar espacios de parámetros de alta dimensión restringidos por cientos de mediciones correlacionadas. Las funciones de verosimilitud en estos dominios suelen exhibir topologías complejas, incluyendo fuertes correlaciones de parámetros, comportamiento no gaussiano, múltiples mínimos locales y degeneraciones alargadas y "curvas". Además, la evaluación de las predicciones teóricas requeridas para estas verosimilitudes es computacionalmente costosa, involucrando a menudo evoluciones del grupo de renormalización, integrales de distancia numérica o el cálculo de cientos de observables. Los enfoques estadísticos tradicionales, como el método de Monte Carlo por Cadenas de Markov (MCMC) o el muestreo anidado (nested sampling), dependen de evaluaciones repetidas de la verosimilitud, lo que hace que los escaneos exhaustivos de parámetros sean impracticables o prohibitivamente lentos. Existe una necesidad crítica de modelos sustitutos (surrogates) rápidos e interpretables que puedan emular estos paisajes de verosimilitud complejos sin sacrificar el rigor estadístico o la interpretabilidad física.

Metodología
Los autores proponen un marco de Aprendizaje Automático (ML) unificado diseñado para emular la función de log-verosimilitud (o $\chi^2$) utilizando XGBoost (eXtreme Gradient Boosting), un conjunto de árboles de regresión de gradiente potenciados. El marco integra tres componentes principales:

1. Construcción del Sustituto:

   • Generación de Datos de Entrenamiento: El conjunto de datos de entrenamiento se construye mediante una estrategia híbrida. Combina un diseño de llenado de espacio (usando Muestreo de Hipercubo Latino o secuencias de Sobol) sobre todo el volumen del prior, con una nube gaussiana más densa concentrada alrededor de la región del mejor ajuste, derivada de la Hessiana del ajuste. Esto asegura la cobertura tanto de espacios de parámetros amplios como de degeneraciones estrechas y anisotrópicas.
   • Aprendizaje Activo: Para regiones donde la verosimilitud es dispersa o presenta estructuras agudas, un bucle de aprendizaje activo refina el conjunto de datos. Un proceso Gaussiano (GP) predice la incertidumbre y una función de adquisición (Mejora Esperada) selecciona nuevos puntos para su evaluación exacta, concentrando progresivamente el muestreo donde mejora más la verosimilitud emulada.
   • Transformación del Objetivo: Para manejar el vasto rango dinámico de los valores de $\chi^2$ (desde $\sim 10^3$ hasta $10^6$) y asegurar que el modelo resuelva las regiones estrechas de confianza cerca del mínimo, los autores emplean transformaciones específicas del objetivo. Estas incluyen la log-verosimilitud directa para ajustes de sabor (flavor), una estrategia de dos etapas de clasificador más regresor usando una transformación sigmoide para partículas tipo axión (ALPs), y una transformación de log10 desplazada ($y = \log_{10}(\chi^2 - \chi^2_{\min} + 1)$) para cosmología. Este desplazamiento mapea el mínimo a una región de pendiente constante independientemente del valor absoluto de $\chi^2$.

2. Interpretabilidad vía SHAP:

   • Para asegurar que las predicciones de ML sigan siendo físicamente consistentes, el marco utiliza valores SHAP (Shapley Additive exPlanations). Basado en la teoría de juegos cooperativos, SHAP cuantifica la contribución marginal de cada característica (parámetro del modelo) a la predicción.
   • Se utiliza el algoritmo TreeSHAP para computar valores SHAP exactos en tiempo polinómico para conjuntos de árboles. Esto proporciona un ranking de importancia de parámetros independiente del modelo y revela dependencias no lineales, asegurando que el sustituto capture la física subyacente en lugar de ruido numérico.

3. Exploración de la Posterior:

   • El $\chi^2$ emulado se muestrea utilizando un algoritmo de Metropolis-Hastings de paseo aleatorio paralelo. La covarianza de la propuesta se establece mediante el factor de Cholesky de la covarianza del ajuste para mejorar la mezcla en espacios correlacionados.
   • Pruebas de Cierre: El marco valida el sustituto comparando la distribución de $\Delta\chi^2$ sobre los puntos aceptados contra la distribución de $\chi^2$ esperada (teorema de Wilks) y, en el caso cosmológico, comparando directamente la posterior emulada contra la verosimilitud exacta muestreada mediante múltiples back-ends independientes (Astropy, CPU, GPU).

Aplicaciones Clave y Resultados
El marco es validado a través de tres aplicaciones de ajuste global de creciente dimensionalidad y complejidad:

1. Anomalías de Sabor en Decaimientos de Mesones B Semileptónicos (SMEFT19):

   • Contexto: Análisis de desviaciones en transiciones $b \to c\tau\nu$, $b \to s\nu\bar{\nu}$, y $b \to s\ell^+\ell^-$ utilizando el marco SMEFT19 (Escenario III).
   • Desempeño: El sustituto XGBoost alcanzó un coeficiente de correlación de Pearson de $r=0.99$ con la verosimilitud exacta.
   • Aceleración: La velocidad de evaluación aumentó por un factor de $\sim 10^5$ (de $\sim 3$ segundos por punto a $\sim 34$ microsegundos).
   • Perspectiva Física: El sustituto reprodujo con éxito la ruptura de la degeneración $C_1 = C_3$ y la cresta curva en el plano $(C_1, \beta_q)$. El análisis SHAP clasificó correctamente los parámetros ($C_3 > C_1 > \beta_q$), consistente con la estructura de operadores subyacente. Crucialmente, reveló que la fuerte correlación entre $R_D$ y $BR(B^+ \to K^+\nu\bar{\nu})$ encontrada en escenarios previos desaparece cuando $C_1$ y $C_3$ varían independientemente.

2. Partículas Tipo Axión (ALPs) y la Anomalía de Belle II:

   • Contexto: Explicación del exceso de $2.8\sigma$ en $B^+ \to K^+\nu\bar{\nu}$ con una partícula tipo axión ligera ($m_a \approx 2$ GeV). La verosimilitud es no gaussiana y discontinua debido a umbrales cinemáticos y probabilidades de decaimiento dependientes de la vida media.
   • Estrategia: Se utilizó un enfoque de dos etapas: un clasificador (transformación sigmoide) para aislar la región relevante de bajo $\chi^2$, seguido de un regresor.
   • Desempeño: El clasificador alcanzó un AUC de 0.974, y el regresor alcanzó un $r=0.929$.
   • Aceleración: La velocidad de evaluación aumentó $\sim 5.3 \times 10^5$ (de $\sim 1.9$ segundos a $\sim 3.5$ microsegundos).
   • Perspectiva Física: SHAP identificó la masa del ALP ($m_a$) como el parámetro más crítico, seguido de la carga PQ de los quarks de tercera generación de mano izquierda ($X^3_{qL}$) y la constante de decaimiento ($f_a$). La posterior favoreció correctamente $m_a \approx 1.8$ GeV y $f_a \in [10^6, 10^7]$ GeV.

3. Cosmología ($\Lambda$CDM y $w_0w_a$CDM):

   • Contexto: Ajuste de supernovas Tipo Ia (Pantheon+, DES), Oscilaciones Acústicas de Bariones (DESI), y un prior comprimido de CMB para restringir parámetros de energía oscura ($w_0, w_a$).
   • Validación: A diferencia de los otros casos, la verosimilitud cosmológica exacta es lo suficientemente económica como para muestrearla directamente. Los autores ejecutaron MCMC sobre la verosimilitud exacta usando cuatro back-ends diferentes (Astropy, CPU, GPU, y el sustituto de ML) y confirmaron que las posteriores son estadísticamente indistinguibles.
   • Aceleración: El sustituto fue $3.6$–$22.4\times$ más rápido que la implementación vectorizada en CPU y $7.2$–$12.1\times$ más rápido que el kernel de GPU.
   • Perspectiva Física: El sustituto capturó la preferencia por la energía oscura dinámica ($w_0 > -1, w_a < 0$) con los datos de supernovas+BAO, y la reversión hacia $\Lambda$CDM al añadir el prior de CMB. El análisis SHAP identificó correctamente la jerarquía de restricciones: sin CMB, los parámetros de fondo ($H_0, \Omega_m$) dominaban; con CMB, los parámetros de energía oscura ($w_0, w_a$) se volvieron los más restringidos, reflejando el estrechamiento físico de los contornos.

Significancia y Reivindicaciones
El artículo afirma presentar un marco general, interpretable y físicamente consistente para la inferencia basada en verosimilitud. Su principal significancia radica en demostrar que:

• Eficiencia: Los modelos sustitutos de ML pueden acelerar la exploración del espacio de parámetros en varios órdenes de magnitud (hasta $10^5$) manteniendo una alta precisión.
• Robustez: El método maneja diversos topologías de verosimilitud, desde superficies gaussianas suaves hasta paisajes no gaussianos, discontinuos y altamente estructurados, mediante diseños de entrenamiento adaptativos y transformaciones de objetivo.
• Transparencia: Al integrar los valores SHAP, el marco evita la naturaleza de "caja negra" típica del ML, asegurando que las jerarquías de parámetros y correlaciones inferidas sean físicamente interpretables y consistentes con la teoría subyacente.
• Validación: La aplicación cosmológica sirve como un banco de pruebas controlado, probando que la aceleración no ocurre a expensas de la precisión estadística, ya que las posteriores emuladas son indistinguibles de las derivadas de cálculos exactos.

Los autores concluyen que este marco es fácilmente transferible a otros problemas de ajuste global y ofrece una base para desarrollos futuros en aprendizaje activo automatizado y emuladores diferenciables.