⚛️ phenomenology

Reliable Hybrid Neural Surrogates for Multidimensional Grids: Application to Double Parton Distributions

Este artículo presenta un método híbrido de red neuronal implementado en C++ que reduce significativamente los costes de almacenamiento, memoria e inicialización de las rejillas de distribuciones de doble partón multidimensionales al comprimir la mayor parte de los datos en un modelo neuronal mientras se almacena solo un conjunto disperso de residuales de alta precisión, logrando una reducción de 10,6 veces en la huella de disco con un impacto mínimo en la velocidad de evaluación.

Autores originales: R. Kord Valeshabadi, S. Rezaie

Publicado 2026-09-15

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: R. Kord Valeshabadi, S. Rezaie

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Dentro de los protones que corren alrededor del Gran Colisionador de Hadrones, el universo es una sopa caótica de diminutas partículas llamadas quarks y gluones. Para entender qué sucede cuando estos protones chocan entre sí, los físicos deben saber exactamente cómo están dispuestos y cómo se mueven estas partículas internas. Dependen de mapas matemáticos conocidos como funciones de distribución de partones, que les indican la probabilidad de encontrar una partícula con una velocidad y energía específicas. Durante décadas, estos mapas se han almacenado como enormes rejillas de números, muy parecidas a una hoja de cálculo detallada donde cada celda contiene un valor específico. Este método funciona bien para colisiones simples que involucran una partícula de cada protón. Sin embargo, la naturaleza suele ser más compleja. A veces, dos pares distintos de partículas interactúan simultáneamente dentro de un solo choque, un fenómeno conocido como dispersión de doble partón. Para predecir estos eventos poco comunes, los científicos necesitan un mapa mucho más complicado que rastree dos partículas a la vez, junto con dos escalas de energía diferentes para cada una. Esto crea una estructura de datos tetradimensional que es exponencialmente más grande y difícil de gestionar que los mapas estándar, sobrepasando rápidamente la memoria de las computadoras y los sistemas de almacenamiento.

Un equipo de investigadores del Instituto de Investigación en Ciencias Fundamentales en Teherán ha desarrollado una nueva y astuta forma de encoger estos enormes mapas de datos sin perder la precisión necesaria para la física de altas energías. Crearon un sistema híbrido que combina un modelo informático compacto e inteligente con una pequeña lista dirigida de excepciones. En lugar de almacenar cada número individual en la enorme rejilla tetradimensional, entrenaron una red neuronal —un tipo de inteligencia artificial diseñada para reconocer patrones— para que aprendiera la forma general y el comportamiento de los datos. La red actúa como un adivinador altamente eficiente, capaz de reproducir la gran mayoría de los valores de la rejilla con alta precisión. Sin embargo, debido a que ningún modelo es perfecto, los investigadores identificaron los puntos específicos donde la suposición de la red no era lo suficientemente buena. Para estos puntos difíciles, conservaron los números originales y exactos en una lista pequeña y dispersa. Cuando un físico necesita consultar un valor, el sistema primero comprueba si el punto es una de las excepciones difíciles; si no lo es, utiliza la red neuronal, que es rápida y compacta, para generar la respuesta.

Los resultados de este enfoque son sorprendentes. Al utilizar este método híbrido, los investigadores redujeron el tamaño del archivo de datos necesario para almacenar la información en un factor de 10.6 en comparación con la rejilla comprimida estándar. Más importante aún, la cantidad de memoria informática requerida para ejecutar los cálculos cayó por un factor de 31.6, reduciéndose de más de cuatro gigabytes a solo 138 megabytes. Esta reducción masiva en el uso de memoria significa que las simulaciones complejas pueden ejecutarse en computadoras estándar en lugar de requerir hardware especializado de alto nivel. El sistema también carga casi 11 veces más rápido, reduciendo el tiempo de arranque de más de dos segundos y medio a menos de un cuarto de segundo. Si bien la velocidad de los cálculos reales disminuyó ligeramente a aproximadamente el 85 por ciento de la tasa original, la compensación es abrumadoramente positiva, ofreciendo una solución práctica a un problema que anteriormente había hecho que estos cálculos complejos fueran prohibitivamente costosos y lentos.

La clave de este éxito reside en cómo se enseñó a la red neuronal. En lugar de intentar memorizar cada número individual desde cero, el sistema recibió una ventaja inicial al utilizar una aproximación simple y conocida como base. Luego, se le encomendó a la red aprender únicamente las sutiles diferencias y correlaciones que hacen que los datos reales sean únicos. Esto permitió que el modelo se mantuviera pequeño y rápido, mientras capturaba los detalles intrincados de las interacciones de las partículas. Los investigadores probaron este sistema rigurosamente, escaneando millones de puntos de datos para asegurar que las predicciones de la red neuronal fueran lo suficientemente precisas para el uso científico. Encontraron que solo el 0.694 por ciento de los puntos de datos necesitaba ser almacenado en la lista de excepciones, confirmando que la red podía encargarse de la mayor parte del trabajo por sí sola. El paquete de software final está escrito en un lenguaje de programación estándar utilizado por los físicos, lo que significa que puede usarse inmediatamente sin necesidad de herramientas de programación o entornos complejos externos. Este trabajo proporciona una herramienta nueva y eficiente para explorar las colisiones más complejas del universo, convirtiendo un cuello de botella de gran densidad de datos en un proceso optimizado que abre la puerta a estudios más detallados sobre cómo se comporta la materia en su nivel más fundamental.

Resumen Técnico: Surrogatos Neuronales Híbridos Confiables para Grillas Multidimensionales

Planteamiento del Problema
El almacenamiento y la evaluación de las Distribuciones de Partones Dobles (DPDs) presentan un desafío computacional significativo en comparación con las Funciones de Distribución de Partones (PDFs) ordinarias. Mientras que una PDF colineal depende de una fracción de momento longitudinal ( $x$ ) y una escala de factorización ( $\mu^2$ ), una DPD de escala desigual depende de dos fracciones de momento ( $x_1, x_2$ ) y dos escalas de factorización independientes ( $\mu_1^2, \mu_2^2$ ) para cada combinación de sabor de partón. La tabulación directa de esta dependencia tetradimensional resulta en requisitos de datos masivos. Para la rejilla de referencia específica basada en GS09 estudiada, la representación ASCII ocupa aproximadamente 2.6 GB, y la versión binaria comprimida todavía requiere alrededor de 740 MB en disco. Más críticamente, el uso de memoria en tiempo de ejecución para la grilla densa es de aproximadamente 4.27 GiB, ya que toda la carga útil de los nodos debe descomprimirse y mantenerse en memoria para la interpolación. Esta alta huella de memoria y el lento tiempo de inicialización (aprox. 2.53 s) crean un cuello de botella para aplicaciones fenomenológicas, particularmente en generadores de eventos de Monte Carlo que requieren evaluaciones repetidas.

Metodología
Los autores proponen un surrogato híbrido de red neuronal para comprimir la grilla de las DPD manteniendo la precisión numérica y una evaluación rápida. El enfoque no reemplaza el cálculo de referencia subyacente ni el algoritmo de interpolación, sino que comprime los datos nodales almacenados en la grilla.

Arquitectura Híbrida: El método emplea una red neuronal de alimentación hacia adelante (feed-forward) para aproximar la mayor parte de la grilla de las DPD. Para los nodos de la grilla donde la predicción de la red no cumple con una tolerancia de precisión prescrita, se almacenan los valores de referencia originales en una tabla de corrección dispersa (sparse correction table). Durante la evaluación, la red reconstruye los valores nodales, y las entradas dispersas reemplazan las predicciones de la red donde sea necesario antes de aplicar la interpolación estándar.
Representación de Entrada: La red acepta 12 características cinemáticas derivadas de las cuatro variables ( $x_1, x_2, \mu_1^2, \mu_2^2$ ). Estas incluyen mapeos logarítmicos de las variables, características que describen el límite del soporte longitudinal ( $x_1+x_2 \le 1$ ), la asimetría entre las patas de partones y los umbrales de sabor pesado (charm y bottom).
Representación de Objetivo: En lugar de predecir los valores absolutos de las DPD, la red aprende la corrección relativa respecto a una línea base motivada por la física. La línea base se construye a partir del producto de las PDFs individuales ( $f_{a1}(x_1, \mu_1^2)f_{a2}(x_2, \mu_2^2)$ ) multiplicado por un factor de supresión del espacio de fase $\rho_0(x_1, x_2)$ . El objetivo es la desviación relativa, transformada mediante una función de seno hiperbólico inverso ( $\text{asinh}$ ) para manejar el amplio rango dinámico de las correcciones.
Arquitectura de la Red: Se utiliza un perceptrón multicapa (MLP) compacto con tres capas ocultas de ancho 256 (12 $\to$ 256 $\to$ 256 $\to$ 256 $\to$ 121). La capa de salida produce 121 valores correspondientes a todos los pares de sabores de partones ordenados. El tamaño compacto se elige para asegurar una inferencia rápida, ya que una sola evaluación fuera de la grilla puede requerir hasta 1 atenuación de 16 nodos vecinos.
Estrategia de Entrenamiento: La red se entrena utilizando los nodos de la grilla de referencia con PyTorch. La función de pérdida es un error cuadrático medio ponderado, asignando pesos más altos a las regiones difíciles (cerca del extremo longitudinal, umbrales de sabor pesado) y a canales de sabor específicos (por ejemplo, gluón-gluón). Se aplica la aumentación de datos mediante simetría de intercambio.
Implementación: El modelo entrenado se exporta a una implementación nativa en C++ dentro del marco de trabajo PDFxTMDLib. La evaluación en tiempo de ejecución no requiere ni Python ni PyTorch, utilizando oneDNN para una inferencia eficiente.

Resultados Clave
Utilizando la grilla densa basada en GS09 ( $N_x=56$ , $N_\mu=41$ , 121 canales de sabor) como referencia, el método híbrido logra lo siguiente:

Eficiencia de Compresión: Solo el 0.694% de los valores de sabor activos (3,845,458 de 554,383,007) requieren almacenamiento en la tabla de corrección dispersa.
Reducción de Almacenamiento: El tamaño del archivo híbrido es de 66.65 MiB, lo que representa una reducción de un factor de 10.6 respecto a la grilla densa comprimida de 707.12 MiB.
Reducción de Memoria: La mediana de la memoria residente máxima cae de 4.27 GiB (densa) a 138.20 MiB (híbrida), un factor de reducción de 31.6.
Velocidad de Inicialización: El tiempo de inicialización disminuye de aproximadamente 2.53 s a 0.238 s, una mejora de un factor de 10.6, debido principalmente a evitar la descompresión de la carga útil densa completa.
Rendimiento de Evaluación: El evaluador híbrido logra un rendimiento de aproximadamente $2.6 \times 10^4$ puntos cinemáticos por segundo, lo cual es cerca del 85% de la tasa de la grilla densa ( $3.1 \times 10^4$ puntos/s).
Precisión: El método satisface un criterio de tolerancia mixta absoluta-relativa. La tabla dispersa asegura que los nodos con grandes desviaciones sean reemplazados por los valores de referencia exactos, mientras que la red maneja el resto de la masa con alta fidelidad.

Significancia y Reivindicaciones
El artículo afirma que este esquema híbrido ofrece una solución práctica a los cuellos de botella de almacenamiento y memoria asociados con las grillas de DPD multidimensionales. Al codificar la dependencia de la escala directamente en un surrogato compacto, el método elimina la necesidad de la evolución DGLAP doble sobre la marcha durante la inferencia, la cual es computacionalmente costosa. Los autores enfatizan que el método mantiene una velocidad de evaluación comparable a la interpolación de la grilla densa mientras reduce drásticamente la huella en disco, el uso de memoria y los costos de arranque.

El trabajo demuestra que una red neuronal puede capturar eficazmente las estructuras de correlación no factorizadas de las DPD cuando es guiada por una línea base informada por la física. La implementación está totalmente integrada en la biblioteca C++ PDFxTMDLib, lo que la hace inmediatamente utilizable para estudios fenomenológicos sin dependencias de tiempo de ejecución en marcos de trabajo de aprendizaje automático. Aunque el estudio actual está restringido a DPDs independientes de $y$ , los autores señalan que la estrategia es teóricamente extensible a distribuciones con dependencia explícita de la separación transversal.

Más como este