⚛️ fenomenología

Faithful Uncertainties in ML-Based Inverse Problems: GPs, NNs and NTKs for the Triplet PDF

Este artículo demuestra que en los problemas inversos basados en aprendizaje automático para la reconstrucción de funciones de distribución de partones, los métodos con predicciones centrales similares pueden producir estimaciones de incertidumbre sumamente diferentes, lo que resalta la importancia crítica de incorporar la covarianza experimental completa, priors funcionales apropiados y pruebas de clausura rigurosas para asegurar una calibración de incertidumbre fiel.

Autores originales: Nina Elmer, Sven Krippendorf, Maria Ubiali

Publicado 2026-10-23

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Nina Elmer, Sven Krippendorf, Maria Ubiali

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 el mundo de alto riesgo de la física de partículas, los científicos no se limitan a observar los componentes fundamentales del universo; deben reconstruirlos a partir de las sombras que proyectan. Cuando los protones chocan entre sí a velocidades inmensas, producen un torrente de escombros, pero las partículas fundamentales en su interior —los quarks y los gluones— permanecen ocultas. Para comprender la estructura del protón, los investigadores deben trabajar hacia atrás desde los datos desordenados y ruidosos de estas colisiones para deducir el mapa invisible de cómo se comparte el momento entre los constituyentes del protón. Esto se conoce como un problema inverso, un rompecabezas matemático donde la respuesta no es única y los datos son imperfectos. El desafío no es solo encontrar el mapa más probable, sino saber cuánta confianza se puede depositar en él. Si el mapa es erróneo, las predicciones para futuros experimentos en instalaciones como el Gran Colisionador de Hadrones podrían ser engañosas. Durante años, los físicos han dependido de complejos métodos estadísticos para trazar estos mapas, pero a medida que el aprendizaje automático entra en el campo, ha surgido una nueva pregunta: ¿pueden estos poderosos algoritmos decirnos no solo cómo es el mapa, sino qué tan inciertos son respecto a él?

Un equipo de investigadores de la Universidad de Cambridge ha abordado esta cuestión sometiendo tres enfoques diferentes de aprendizaje automático a una prueba en un entorno controlado. Se centraron en una versión específica y simplificada del rompecabezas del protón: la reconstrucción de la distribución de una combinación particular de quarks, conocida como la distribución de triplete, utilizando datos de un experimento histórico llamado BCDMS. Para asegurar que pudieran juzgar los resultados de manera justa, no utilizaron datos experimentales reales, que carecen de una respuesta "verdadera" conocida. En su lugar, crearon una simulación donde conocían de antemano la verdad subyacente exacta. Generaron puntos de datos ficticios que imitaban las mediciones reales, con errores y correlaciones realistas, y luego pidieron a tres sistemas diferentes de aprendizaje automático que recuperaran el mapa original. Los sistemas que compararon fueron procesos gaussianos, que son modelos estadísticos conocidos por su capacidad para cuantificar la incertidumbre; redes neuronales, los motores de aprendizaje profundo detrás de muchos de los avances modernos de la IA; y un método más reciente llamado núcleo de tangente neuronal (neural tangent kernel), que intenta describir cómo aprenden las redes neuronales.

Los investigadores descubrieron que, si bien los tres métodos podían producir un mapa central que se veía muy similar a la verdad, su confianza en ese mapa variaba dramente. Resultó que obtener la respuesta promedio no era suficiente; la prueba crucial era si la incertidumbre estimada coincidía con los errores reales. El estudio reveló que la forma en que un modelo de aprendizaje automático maneja los errores conocidos en los datos es el factor más importante para producir una estimación de incertidumbre confiable. Los modelos que ignoraron las complejas correlaciones entre diferentes puntos de datos, o aquellos que intentaron aprender los errores desde cero sin que se les dijera cómo estaban estructurados, produjeron bandas de confianza que eran demasiado estrechas o engañosamente anchas. Solo los modelos que contabilizaron explícitamente la estructura completa de los errores experimentales, incluyendo cómo el error de una medición podría estar vinculado al de otra, lograron producir estimaciones de incertidumbre estadísticamente honestas.

Quizás el hallazgo más sorprendente concernió al comportamiento de estos modelos en regiones donde no existían datos. En el mundo real, los físicos a menudo deben adivinar el comportamiento de las partículas en niveles de energía o distancias que nunca han medido directamente. El estudio mostró que, en estas zonas vacías, los modelos de aprendizaje automático no simplemente extrapolaron basándose en los datos que habían visto. En su lugar, sus conjeturas estuvieron fuertemente dictadas por las suposiciones matemáticas incorporadas en ellos incluso antes de comenzar el entrenamiento. Estas suposiciones, conocidas como priors, actuaron como una mano invisible que guiaba las predicciones del modelo. Cuando los investigadores cambiaron estas suposiciones iniciales, las predicciones de los modelos en las regiones no medidas cambiaron drásticamente, a pesar de que su rendimiento en las regiones medidas permaneció idéntico. Esto significa que la incertidumbre reportada por un modelo de aprendizaje automático en una región inexplorada no es un reflejo puro de los datos, sino una declaración condicional que depende enteramente de las reglas matemáticas específicas que se le dieron al modelo.

El equipo también probó una técnica más reciente que involucra núcleos de tangente neuronal, los cuales están diseñados para cerrar la brecha entre las redes neuronales y los modelos estadísticos tradicionales. Encontraron que el tiempo del análisis importaba inmensamente. Si evaluaban la incertidumbre del modelo al comienzo de su entrenamiento, antes de que hubiera aprendido algo de los datos, la incertidumbre resultante era peligrosamente pequeña y completamente poco confiable. Solo después de que la red había sido entrenada durante un número significativo de pasos, las estimaciones de incertidumbre se volvieron fiables. Esto sugiere que, para que estos métodos avanzados sean útiles en la física, no pueden ser tratados como herramientas estáticas; su estado interno debe ser monitoreado y evaluado en la etapa correcta de aprendizaje.

En última instancia, el estudio sirve como una advertencia vital y una guía para el futuro de la investigación física. Demuestra que un modelo de aprendizaje automático puede parecer perfecto en la superficie, reconstruyendo los datos conocidos con alta precisión, y aun así fallar al proporcionar una medida fiel de su propia ignorancia. Los investigadores concluyeron que, para confiar en estas herramientas, los científicos deben ir más allá de simplemente verificar si la predicción central es correcta. Deben probar rigurosamente si las bandas de incertidumbre de sus modelos realmente cubren la verdad, utilizando métodos que tengan en cuenta las complejas correlaciones en los datos del mundo real. Sin estos controles cuidadosos, las poderosas nuevas herramientas de la inteligencia artificial podrían proporcionar respuestas que son precisas pero peligrosamente engañosas, especialmente cuando se les pide que se aventuren en lo desconocido. El camino a seguir requiere un matrimonio entre el poder del aprendizaje automático y la disciplina estadística rigurosa de la física tradicional, asegurando que, cuando miremos las sombras del mundo subatómico, sepamos exactamente qué parte de la imagen es real y qué parte es una conjetura.

Resumen Técnico: Incertidumbres Fieles en Problemas Inversos Basados en ML

Planteamiento del Problema
Este artículo aborda el desafío crítico de la cuantificación de la incertidumbre (UQ) en problemas inversos basados en aprendizaje automático (ML), específicamente en el contexto de las determinaciones de las Funciones de Distribución de Partones (PDF) en la física de altas energías. Los autores se centran en la reconstrucción de la función PDF de triplete no singlete, $T_3(x, Q_0^2)$ , a partir de las funciones estructurales de dispersión inelástica profunda (DIS) medidas por el experimento BCDMS. Esto sirve como un banco de pruebas controlado para los ajustes globales de PDF, donde el objetivo es reconstruir una función continua a partir de un conjunto finito y ruidoso de mediciones indirectas. El problema central es que, si bien muchos métodos de ML pueden producir valores centrales precisos, sus estimaciones de incertidumbre asociadas a menudo carecen de "fidelidad", lo que significa que las incertidumbres reportadas no se alinean estadísticamente con la desviación real de la función verdadera subyacente. Esto es particularmente crítico en las regiones de extrapolación (por ejemplo, $x$ pequeño) donde los datos están ausentes, y en regiones con incertidumbres experimentales correlacionadas.

Metodología
El estudio emplea un marco de prueba de cierre (closure-test framework), donde se generan pseudo-datos a partir de una "verdad" conocida (el valor central del análisis global NNPDF4.0) con incertidumbres experimentales correlacionadas y realistas. Esto permite una comparación directa de las funciones y sus incertidumbres reconstruidas frente a la verdad de fondo. Los autores comparan tres enfoques metodológicos distintos:

Procesos Gaussianos (GPs): Modelos no paramétricos bayesianos utilizando diferentes elecciones de kernel (kernels Radial Basis Function, Gibbs y Matérn). Los autores prueban tanto GPs "crudos" como aquellos que incorporan el preprocesamiento de extremos ( $x^\alpha(1-x)^\beta$ ) para codificar priors físicos sobre el comportamiento en $x$ pequeño y grande.
Redes Neuronales (NNs): Ensambles de Perceptrones Multicapa (MLP) entrenados con diferentes funciones de pérdida:
- Error Cuadrático Medio (MSE) estándar.
- MSE heterocedástico (aprendiendo varianzas puntuales).
- Pérdida $\chi^2$ (incorporando la matriz de covarianza experimental completa $C_{exp}$ ).
  Las NNs son entrenadas en tres niveles de datos de prueba de cierre: Nivel-0 (sin ruido), Nivel-1 (una única realización ruidosa) y Nivel-2 (réplicas de Monte Carlo de datos ruidosos).
Núcleos Tangentes Neuronales (NTKs): Aproximaciones empíricas de la dinámica de entrenamiento de las NNs. Los autores evalúan el NTK en tres etapas: inicialización aleatoria, después de 100 épocas y después del entrenamiento completo (5000 épocas). Estos son tratados como la covarianza de un prior de GP condicionado por los datos.

Contribuciones Clave y Diagnósticos
El artículo introduce y aplica diagnósticos específicos para evaluar la "fidelidad" de las incertidumbres:

Sesgo Normalizado ( $R_b$ ): Un métrica de diagnóstico evaluada en la región de interpolación (datos). Mide si la desviación de la media del ensamble respecto a la verdad es estadísticamente compatible con la covarianza del ensamble. Los autores enfatizan que $R_b$ depende no solo del ancho puntual de las bandas de incertidumbre, sino crucialmente de la estructura de correlación de la covarianza predictiva.
Propagación de Extrapolación: Las funciones $T_3$ reconstruidas se propagan a las secciones eficaces reducidas de corriente neutra de HERA (conjuntos de datos con valores de $x$ fuera del rango de entrenamiento de BCDMS) para probar la fiabilidad de las incertidumbres en la región de extrapolación.
Descomposición de la Incertidumbre: El estudio distingue entre "incertidumbre de los datos" (aleatoria, de $C_{exp}$ ) e "incertidumbre del modelo" (epistémica, del ancho del ensamble), analizando cómo diferentes niveles de entrenamiento (L0, L1, L2) y funciones de pérdida propagan estos componentes.

Resultados
Los autores encuentran que los métodos que producen reconstrucciones centrales comparables pueden producir estimaciones de incertidumbre marcadamente diferentes y, a menudo, infieles:

Impacto de la Función de Pérdida: En la región de datos, las NNs entrenadas con pérdidas MSE, MSE heterocedástico y $\chi^2$ producen predicciones centrales similares. Sin embargo, sus incertididades difieren significativamente. La pérdida $\chi^2$ (usando la $C_{exp}$ completa) produce incertidumbres fieles en la región de interpolación. La pérdida heterocedástica, aunque captura la varianza puntual, falla al no considerar las correlaciones, lo que conduce a bandas no calibradas. El MSE estándar, ignorando por completo las incertidumbres de los datos, produce bandas excesivamente estrechas que subestiman la incertidumbre real.
Rol de los Priors y el Preprocesamiento: La elección del prior funcional es dominante en la región de extrapolación.
- Para los GPs, la elección del kernel por sí sola es insuficiente; sin el preprocesamiento de los extremos, la predicción central falla al reconstruir el pico. Con el preprocesamiento, la reconstrucción mejora, pero las incertididades resultantes desaparecen en los extremos ( $x \to 0, 1$ ) por construcción, fallando en cubrir la verdad si el exponente ( $\alpha$ ) asumido es incorrecto.
- Para las NNs, el prefactor de los extremos estabiliza la extrapolación pero hace que la incertidumbre sea condicional a los exponentes asumidos. Los ajustes con diferentes exponentes de $x$ pequeño ( $\alpha=0.5$ vs. $\alpha=1.0$ ) concuerdan en la región de datos pero divergen significativamente en la región de extrapolación.
Desempeño del NTK: El NTK evaluado en la inicialización aleatoria es un sustituto deficiente, subestimando significativamente el pico y proporcionando incertidumbres infieles ( $R_b \approx 9.5$ ). Evaluar el NTK después del entrenamiento (100 o 5000 épocas) mejora la predicción central y la calibración de la incertidumbre, aunque el NTK entrenado todavía produce incertidumbres ligeramente conservadoras en comparación con el ensamble completo de la NN.
Pruebas de Extrapolación: Al ser propagados a los datos de HERA, todos los modelos excepto el NTK en la inicialización pasan la verificación de consistencia. Sin embargo, el comportamiento de las bandas de incertidumbre varía: el ensamble de la NN entrenada con $\chi^2$ (L2) muestra una incertidumbre creciente en la región de $x$ pequeño que cubre la verdad, mientras que los GPs preprocesados muestran una incertidumbre evanescente que no cubre la verdad si el prior es erróneo.

Significancia y Reivindicaciones
El artículo concluye que las pruebas de cierre combinadas con diagnósticos conscientes de la covarianza son esenciales para validar las incertidumbres en los problemas inversos basados en ML. Los autores identifican tres ingredientes específicos que controlan la fidelidad de las incertidumbres:

Tratamiento de la Verosimilitud (Likelihood): La inclusión de la matriz de covarianza experimental completa en la verosimilitud (o su propagación vía réplicas) es necesaria para capturar las incertidumbres correlacionadas.
Priors Funcionales: La incertidumbre en las regiones de extrapolación está determinada en gran medida por el prior funcional (codificado en kernels o preprocesamiento de extremos) más que por los datos. Por consiguiente, las incertidumbres de extrapolación son condicionales a estos supuestos de modelado.
Etapa de Entrenamiento para los NTKs: Para las aproximaciones de NTK, el kernel debe evaluarse con los parámetros entrenados; el NTK inicial no es un sustituto fiel para la red entrenada.

Los autores afirman modestamente que sus resultados ilustran por qué la concordancia de los valores centrales y la inspección visual de las bandas de incertidumbre son insuficientes para la validación. Argumentan que el procedimiento utilizado aquí —pruebas de cierre con una verdad conocida, comparación de los niveles L0/L1/L2 y diagnósticos conscientes de la covarianza— proporciona un marco necesario para validar los enfoques de ML en problemas inversos de física, aunque señalan que un estudio sistemático sobre muchas realizaciones independientes es el siguiente paso necesario para caracterizar completamente la distribución del diagnóstico de sesgo.

Más como este