Pairton: Iterative Reconstruction of Short-Lived Particles

Resumen Técnico: Pairton – Reconstrucción Iterativa de Partículas de Vida Corta

Planteamiento del Problema
En la física de altas energías, particularmente en el Gran Colisionador de Hadrones (LHC), la reconstrucción de partículas de vida corta (por ejemplo, quarks top, bosones de Higgs) a partir de sus productos de desintegración es un desafío crítico. En eventos complejos con alta multiplicidad de partículas, como la desintegración totalmente hadrónica de pares de quarks top ($t\bar{t}$), el fondo combinatorio es significativo. Los métodos tradicionales, como los algoritmos basados en verosimilitud (por ejemplo, KLFitter), dependen de la evaluación de todas las combinaciones posibles de jets detectados, lo que se vuelve computacionalmente costoso y propenso a errores a medida que aumenta la multiplicidad de jets. Aunque enfoques recientes de aprendizaje automático (SPANet, Topograph, HyPER, TIGER) han mejorado el rendimiento, sigue existiendo la necesidad de marcos de trabajo que puedan manejar eficazmente la naturaleza jerárquica de las cadenas de desintegración y la consistencia global del evento sin depender de supuestos topológicos rígidos o estrategias de enmascaramiento fijas.

Metodología
Los autores proponen Pairton, un marco iterativo que reformula la reconstrucción de partículas como un problema de inferencia probabilística estructurada sobre grafos parcialmente observados.

1. Representación de Grafos:
   El evento se modela como una colección de grafos donde los nodos representan jets detectados y las aristas representan relaciones de desintegración. Específicamente, se definen matrices de adyacencia ($A^\alpha$) para los tipos de partículas $\alpha \in \{W, t\}$. Una arista $(i, j)$ existe si los jets $i$ y $j$ son productos de desintegración de la partícula $\alpha$. Los bucles de autodirección (self-loops) indican jets que no están asociados con un tipo de partícula específico. Esta representación permite que las asignaciones estructurales sean tratadas como características de aristas dinámicas por pares.

2. Formulación Probabilística Factorizada:
   La tarea de reconstrucción se define como la búsqueda de la asignación más probable de jets a bosones $W$ y quarks $b$. La distribución de probabilidad conjunta se factoriza en probabilidades condicionales:
   $$P(W_1, W_2, b_1, b_2 | x) = P(W_1 | x) \times P(W_2 | W_1, x) \times P(b_1, b_2 | W_1, W_2, x)$$
   Esta factorización refleja la jerarquía física de la desintegración, permitiendo al modelo predecir iterativamente las aristas condicionadas por las estructuras previamente inferidas.

3. Difusión Discreta y Denoising con Máscara:
   Inspirado en los modelos de difusión discreta de estado absorbente utilizados en el procesamiento de lenguaje natural, Pairton enmarca la reconstrucción como un proceso de eliminación de ruido (denoising) inverso.

   • Proceso de Difusión (Forward Process): Una cadena de Markov jerárquica enmascara las matrices de adyacencia en pasos: primero revelando ambos bosones $W$, luego un $W$, luego ninguno. Este esquema de corrupción específico respeta la topología física de la desintegración $t\bar{t}$, asegurando que los estados intermedios tengan interpretaciones físicas claras.
   • Entrenamiento: El modelo $f_\theta$ se entrena para predecir las entradas enmascaradas en las matrices de adyacencia condicionadas a la estructura observada y a las características de los jets. El objetivo es una verosimilitud condicional enmascarada (pérdida de Entropía Cruzada Binaria).
   • Inferencia: La reconstrucción procede iterativamente desde un estado totalmente enmascarado. El modelo predice las aristas, actualiza la matriz de adyacencia visible y utiliza esta estructura actualizada para condicionar las predicciones subsiguientes, revirtiendo efectivamente el proceso de enmascaramiento.

4. Arquitectura del Modelo:
   Pairton utiliza una arquitectura Pairformer, adaptada de AlphaFold3. A diferencia de los transformadores estándar o el Particle Transformer (ParT) que utilizan representaciones por pares fijas, el Pairformer actualiza dinámicamente las características por pares.

   • Entradas: Características de los jets (energía, $p_T$, $\eta$, $\phi$, estado de b-tagging) y características por pares (masa invariante di-jet, $\Delta\eta$, $\Delta\phi$, $\Delta R$).
   • Mecanismo: La arquitectura aumenta las puntuaciones de atención con un término de sesgo aprendible derivado de las características por pares ($S_{ij} = \frac{q_i \cdot k_j}{\sqrt{d}} + b_{ij}$). Esto permite al modelo incorporar de manera fluida el estado relacional entre todos los jets sin recurrir a un paso de mensajes complejo sobre tensores de orden superior.

Contribuciones Clave

• Reconstrucción de Grafos Iterativa: Introduce un paradigma donde la reconstrucción de partículas se trata como un proceso de predicción enmascarada iterativa sobre estructuras de grafos, aprovechando la naturaleza jerárquica de las cadenas de desintegración.
• Difusión Discreta en HEP: Adapta la difusión de estado absorbente (utilizada anteriormente en LLMs) a la física de altas energías, yendo más allá de los enmascaramientos de tasa fija (estilo BERT) o enfoques autorregresivos (estilo GPT).
• Representaciones Dinámicas por Pares: Demuestra la eficacia de la arquitectura Pairformer en este dominio, donde las características de aristas por pares actualizadas dinámicamente superan significativamente a las representaciones estáticas.
• Marco General: Proporciona un enfoque flexible que puede extenderse a otras topologías más allá del sistema $t\bar{t}$.

Resultados
El método fue evaluado en un conjunto de datos de $6 \times 10^7$ eventos simulados de $t\bar{t}$ totalmente hadrónicos a $\sqrt{s} = 13$ TeV. El rendimiento se midió mediante la eficiencia de reconstrucción ($\epsilon$) para eventos completos ($\epsilon_{t\bar{t}}$), quarks top ($\epsilon_t$) y bosones $W$ ($\epsilon_W$).

• Rendimiento de Vanguardia (State-of-the-Art): Pairton supera a los métodos existentes (SPANet, Topograph, HyPER) en todas las multiplicidades de jets.
  • Eficiencia de Evento Completo Inclusiva: Pairton logra un 0.6944, comparado con el 0.670 de HyPER, el 0.645 de Topograph y el 0.651 de SPANet.
  • Alta Multiplicidad: La mejora es más pronunciada en eventos con $\ge 8$ jets, donde Pairton alcanza una eficiencia de evento completo de 0.5459, significativamente superior a la de HyPER (0.513) y SPANet (0.487).
• Dependencia de la Masa: Pairton supera consistentemente a sus competidores en todo el espectro de masa invariante ($m_{t\bar{t}}$), observándose las mayores ganancias en la región de baja masa, donde la reconstrucción es más difícil.
• Estudios de Ablación:
  • La arquitectura Pairformer proporcionó un aumento absoluto de ~5% en la eficiencia sobre un transformador estándar.
  • El proceso generativo iterativo de 3 pasos superó a la predicción de un solo paso y a los modelos basados en hiperaristas.
  • Simplemente aumentar la profundidad del modelo para igualar el costo computacional del proceso iterativo no produjo ganancias similares, confirmando el valor del condicionamiento iterativo.

Significancia y Reivindicaciones
El artículo afirma que Pairton establece un nuevo paradigma general y flexible para la reconstrucción de partículas, uniendo el modelado generativo moderno (específicamente la difusión discreta y la inferencia iterativa) con la física de altas energías.

Los autores enfatizan que la significancia reside en:

1. Consistencia Global: Al condicionarse sobre las estructuras previamente inferidas, el modelo incorpora naturalmente las restricciones de consistencia global del evento de una manera probabilísticamente sólida.
2. Flexibilidad Topológica: Aunque la implementación actual se centra en la desintegración jerárquica de $t\bar{t}$, la formulación de difusión discreta permite procesos de ruidado arbitrarios, lo que la hace adaptable a topologías más complejas (por ejemplo, $t\bar{t}H$) donde el orden de las predicciones podría ser intercambiable.
3. Rendimiento: El método logra resultados de vanguardia en el benchmark de $t\bar{t}$ totalmente hadrónico, particularmente en entornos de alta multiplicidad desafiantes, demostrando que la reconstrucción de grafos iterativa es una herramienta poderosa para la interpretación de eventos.

El trabajo no pretende resolver todos los problemas de reconstrucción de forma universal, sino que se posiciona como un marco robusto que puede extenderse fácilmente a otros estados finales que involucren partículas de vida corta.