⚛️ high-energy experiments

Self-Supervised Learning for Robust Resonance Mass Regression in Cascade Decays

Este artículo propone un marco de aprendizaje autosupervisado utilizando VICReg y codificadores de transformador para preentrenar modelos con datos corruptos, demostrando que este enfoque produce una reconstrucción de la masa de resonancia pesada más robusta y precisa en desintegraciones en cascada complejas en comparación con el entrenamiento supervisado tradicional.

Autores originales: Ho Fung Tsoi, Alex Yang, Luis Felipe Gutierrez Zagazeta, Shion Chen, Dylan Rankin

Publicado 2026-09-17

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Ho Fung Tsoi, Alex Yang, Luis Felipe Gutierrez Zagazeta, Shion Chen, Dylan Rankin

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

En los vastos laboratorios de alta velocidad donde los físicos hacen chocar partículas para comprender el universo, el objetivo final suele ser encontrar algo que no debería existir. Estos experimentos, realizados en instalaciones como el Gran Colisionador de Hadrones, son esencialmente cámaras masivas y ultrasensibles diseñadas para capturar los fugaces restos de las colisiones. Cuando dos partículas chocan casi a la velocidad de la luz, pueden formar brevemente una partícula pesada e inestable que se desintegra instantáneamente en una lluvia de fragmentos más pequeños y ligeros. Al medir la energía y la dirección de estos fragmentos, los científicos pueden trabajar hacia atrás para calcular la masa de la partícula original e invisible. Este cálculo es la clave para detectar nueva física, pero es un proceso frágil. Los detectores que registran estas colisiones no son perfectos; a veces pierden piezas del rompecabezas, calculan erróneamente la energía de un fragmento o confunden un tipo de partícula con otro. Estos pequeños errores, conocidos como incertidumbres sistemáticas, pueden emborronar la imagen final, convirtiendo una señal nítida y distinta de nueva física en una mancha vaga e irreconocible.

Un equipo de investigadores de la Universidad de Pensilvania y la Universidad de Kioto ha desarrollado una nueva forma de agudizar esta imagen, incluso cuando los datos son desordenados. Abordaron un desafío específico: cómo medir con precisión la masa de una partícula pesada e hipotética que se desintegra en una nube compleja de once piezas diferentes, algunas de las cuales escapan por completo a la detección. En el pasado, los científicos dependían de modelos computacionales entrenados con ejemplos etiquetados para realizar estas mediciones. Sin embargo, estos modelos suelen fallar cuando se enfrentan a las imperfecciones del mundo real porque solo han visto datos "perfectos" durante el entrenamiento. Para resolver esto, los investigadores recurrieron a una técnica llamada aprendizaje autosupervisado. En lugar de enseñar a la computadora mostrándole las respuestas correctas, le enseñaron a reconocer la estructura subyacente de los datos exponiéndola a miles de versiones corruptas del mismo evento. La computadora aprendió a ignorar el ruido y a concentrarse en el patrón central, convirtiéndose efectivamente en una experta en ver a través de la distorsión.

Los investigadores probaron su método en un conjunto de datos simulados que representaban una partícula pesada con una masa que oscila entre 2.5 y 6.5 billones de electronvoltios, una escala mucho más pesada que cualquier partícula conocida actualmente. Se imaginó que esta partícula se desintegraba en cascada, descomponiéndose en un gluón, ocho quarks ligeros, un leptón cargado y un neutrino, el cual escapa del detector y se registra únicamente como energía faltante. Para preparar su IA, el equipo alimentó primero a la computadora con millones de estos eventos de colisión sin decirle cuál era la masa de la partícula madre. Durante esta fase, introdujeron deliberadamente errores realistas en los datos, imitando el tipo de errores que cometen los detectores reales. Eliminaron aleatoriamente algunas partículas, desplazaron la energía medida de otras, emborronaron los ángulos e incluso intercambiaron las identidades de las partículas para ver si la IA aún podía reconocer el evento como un todo. El objetivo era obligar a la IA a construir un mapa mental de estos eventos que permaneciera estable independientemente de la corrupción.

Una vez que la IA había aprendido esta forma robusta y resistente a la corrupción de ver los datos, los investigadores la ajustaron con una pequeña cantidad de datos etiquetados para realizar la tarea de regresión de masa. Compararon este nuevo enfoque con un modelo tradicional entrenado desde cero con los mismos datos corruptos. Los resultados mostraron una clara ventaja para el método autosupervisado. Si bien ambos modelos podían predecir la masa promedio de la partícula, el nuevo modelo producía una medición mucho más nítida y precisa. En el mundo de la física de partículas, una medición más nítida significa un pico más estrecho en los datos, lo que hace que sea significativamente más fácil distinguir un descubrimiento real del ruido de fondo. El nuevo modelo mantuvo esta precisión incluso cuando los datos estaban fuertemente distorsionados, mientras que el rendimiento del modelo tradicional se degradó a medida que aumentaban los errores.

El estudio demostró que, al aprender a ignorar el ruido antes de aprender la respuesta, la IA podía reconstruir la masa de la resonancia pesada con una resolución que era consistentemente mejor en todos los escenarios probados. Cuando los investigadores aplicaron una corrección estándar para dar cuenta de un ligero sesgo en la predicción promedio, el nuevo modelo seguía superando al tradicional, estrechando el ancho de la masa reconstruida entre un 11% y un 36% dependiendo del tipo de error presente. Esta mejora es crítica porque la sensibilidad de una búsqueda de nueva física depende directamente de qué tan claramente destaca la señal. Un método que puede ofrecer una señal más limpia a pesar de detectores imperfectos ofrece una poderosa nueva herramienta para futuros experimentos. Los investigadores señalan que, aunque su trabajo se realizó con datos simulados, el enfoque sugiere un camino viable para manejar la realidad compleja y desordenada de la física de altas energías, permitiendo potencialmente que los científicos encuentren nuevas partículas que antes estaban ocultas en el emborronamiento de las imperfecciones del detector.

Resumen Técnico: Aprendizaje Autosupervisado para la Regresión Robusta de Masa de Resonancia en Desintegraciones en Cascada

Planteamiento del Problema
En los experimentos de física de altas energías (HEP), la reconstrucción de la masa invariante de resonancias pesadas a partir de productos de desintegración que involucran energía faltante es una tarea crítica para las búsquedas de nueva física. La sensibilidad de estas búsquedas depende fuertemente del ancho del pico de masa reconstruido. Si bien esto es manejable para estados finales de baja multiplicidad, esta tarea se vuelve significativamente desafiante para las desintegraciones en cascada de resonancias pesadas (por ejemplo, partículas supersimétricas a escala de TeV) que resultan en estados finales de alta multiplicidad. Las incertidumbres sistemáticas derivadas de los efectos del detector y las ineficiencias de reconstrucción se combinan en estos escenarios, corrompiendo a menudo el ancho de la resonancia reconstruida. Los algoritmos de regresión supervisada estándar luchan por generalizar más allá de sus conjuntos de entrenamiento debido a que modelar todas las variaciones sistemáticas posibles requiere cantidades masivas de datos etiquetados. Generar tales datos a través de amplios rangos de masa hipotéticos y rejillas de masa densas es computacionalmente prohibitivo.

Metodología
Los autores proponen un marco de aprendizaje autosupervisado (SSL) basado en el paradigma de los modelos fundacionales para abordar los problemas de generalización y robustez. El enfoque consta de dos etapas:

Preentrenamiento Autosupervisado (VICReg):
- Arquitectura: Un codificador de transformador (transformer encoder) es preentrenado utilizando el objetivo VICReg (Regularización de Varianza-Invarianza-Covarianza).
- Representación de Entrada: Los eventos se representan como conjuntos de objetos del estado final con entradas cinemáticas estándar ( $p_T, \eta, \phi, \text{PID}$ ).
- Estrategia de Aumento: Se crean dos vistas aumentadas por evento para aprender representaciones (embeddings) invariantes a las variaciones sistemáticas. Se aplican siete tipos de aumentos de forma independiente con probabilidades fijas para emular condiciones realistas del LHC:
  - Ineficiencia de reconstrucción (eliminación aleatoria de 1-2 objetos visibles).
  - Desplazamientos de la escala de energía de los jets (correlacionados $\sigma=3\%$ ).
  - Difuminación (smearing) de la resolución de energía ( $\sigma=10\%$ para objetos visibles, $\sigma=15\%$ para MET).
  - Difuminación de la resolución angular ( $\sigma=0.05$ en $\eta$ ).
  - Simetría del detector (rotación global de $\phi$ ).
  - Identificación errónea (intercambio del PID de pares hadrónicos).
- Objetivo: El modelo aprende a producir embeddings invariantes para las dos vistas de un mismo evento subyacente, manteniendo al mismo tiempo la varianza unitaria y la decorrelación entre las dimensiones del embedding para evitar el colapso de la información. Crucialmente, esta etapa no utiliza etiquetas de masa.
Ajuste Fino (Fine-tuning) para la Regresión de Masa:
- Se adjunta un cabezal de perceptrón multicapa (MLP) al codificador preentrenado.
- El modelo se ajusta mediante datos etiquetados para minimizar el error cuadrático medio (MSE) relativo: $\frac{1}{n}\sum (\frac{\hat{m}_i - m_i}{m_i})^2$ .
- Línea Base (Baseline): Un modelo supervisado con la arquitectura idéntica se entrena desde cero con los mismos datos aumentados para una comparación directa.

Configuración Experimental

Conjunto de Datos: Un generador cinemático simula una desintegración en cascada tipo SUSY ( $bA \to bgX \to bgqqqqY \to bgqqqqqqqql\nu$ ) que resulta en un estado final de once cuerpos.
Rango de Masa: 21 puntos de masa para la resonancia pesada $A$ que van desde 2.5 TeV hasta 6.5 TeV (pasos de 200 GeV), totalizando 1.05 millones de eventos.
Simulación: Los datos se generan a nivel cinemático sin simulación completa del detector; los efectos sistemáticos se emulan enteramente a través de la estrategia de aumento durante el entrenamiento y la evaluación.

Resultos Clave

Robustez de los Embeddings: Las visualizaciones de t-SNE demuestran que el codificador preentrenado logra agrupar diferentes puntos de masa en el espacio de embeddings sin utilizar etiquetas de masa. Esta estructura de agrupamiento se mantiene incluso cuando se aplican corrupciones realistas a los datos.
Desempeño de la Regresión: En todos los escenarios de corrupción probados (caída de partículas, difuminación de $p_T$ , difuminación de $\eta$ , intercambio de PID y combinación), el modelo preentrenado con VICReg logra un MSE relativo menor en el conjunto de prueba en comparación con la línea base supervisada.
Mejora del Ancho de la Resonancia: Mientras que el modelo supervisado ocasionalmente predice una masa media ligeramente más cercana a la verdad en escenarios de corrupción combinada (un sesgo que puede calibrarse), el modelo VICReg predice consistentemente un ancho de masa más estrecho (resolución mejorada).
- La desviación estándar del residuo $(\hat{m} - m)/m$ es consistentemente menor para el modelo VICReg en todos los puntos de masa y tipos de corrupción.
- Tras aplicar la calibración de respuesta para corregir el sesgo de la media, el modelo VICReg estrecha el ancho de la masa reconstruida entre un 11% y un 36%, dependiendo del escenario de corrupción.
- Al aplicar todos los tipos de corrupción, el enfoque SSL mejora el ancho de la masa reconstruida en aproximadamente un 14% en comparación con la línea base supervisada.
Estabilidad: El modelo VICReg demuestra una mayor estabilidad a medida que aumentan los niveles de corrupción, manteniendo anchos más estrechos donde el modelo supervisado se degrada más significativamente.

Significancia y Reivindicaciones
El artículo afirma que el preentrenamiento autosupervisado ofrece una vía viable para mejorar la resolución de las masas de resonancia reconstruidas en presencia de incertidumbres sistemáticas, un factor crítico para la sensibilidad de las búsquedas de nueva física. Al aprender representaciones invariantes a la modelización incorrecta del detector y a las ineficiencias de reconstrucción sin requerir etiquetas de masa, el método produce anchos de masa reconstruida sistemáticamente más estrechos. Los autores posicionan esto como una demostración del potencial del SSL en la física de altas energías (HEP), particularmente para escenarios donde generar datos etiquetados exhaustivos para cada variación sistemática es computacionalmente impráctico. Señalan que el trabajo futuro implica escalar a cadenas de simulación completa y explorar objetivos de regresión más amplios.

Más como este