E-PCN: Jet Tagging with Explainable Particle Chebyshev Networks Using Kinematic Features

L'article présente E-PCN, un réseau de neurones à graphes explicable qui intègre quatre représentations de graphes distinctes pondérées par des caractéristiques cinématiques pour atteindre des performances de classification de jets à la pointe de l'état de l'art sur l'ensemble de données JetClass tout en identifiant la séparation angulaire et l'impulsion transverse comme les facteurs dominants qui orientent ses décisions.

L'essentiel

Imaginez un collisionneur de particules à haute énergie, comme le Grand collisionneur de hadrons (LHC), comme un accident de voiture massif et à grande vitesse. Lorsque deux protons entrent en collision, ils ne se brisent pas simplement en deux morceaux ; ils se désintègrent en un spray chaotique de centaines de particules plus petites. Les physiciens appellent ces jets « jets ».

Le défi est que ces jets constituent la « empreinte digitale » de la particule originale à l'origine de la collision. La collision provient-elle d'un boson de Higgs ? D'un quark top ? Ou simplement d'une particule banale et ennuyeuse ? Identifier la source revient à essayer de déterminer quel type de voiture a percuté en examinant uniquement les débris éparpillés.

Pendant des années, les scientifiques ont utilisé l'intelligence artificielle (IA) pour trier ces débris. Mais il y a un problème : les meilleurs modèles d'IA sont souvent des « boîtes noires ». Ils obtiennent la bonne réponse, mais ne peuvent pas expliquer pourquoi. C'est comme un élève qui obtient un score parfait à un test de mathématiques mais refuse de montrer son travail. En science, savoir pourquoi est tout aussi important que d'obtenir la bonne réponse.

Ce papier présente un nouveau modèle d'IA appelé E-PCN (Explainable Particle Chebyshev Network). Imaginez-le comme un détective qui non seulement résout l'affaire, mais rédige également un rapport détaillé expliquant exactement quelles indices ont conduit à la conclusion.

Le problème avec les anciennes IA

Les anciens modèles d'IA traitaient le spray de particules comme un immense tas de données désordonnées. Ils examinaient l'ensemble de l'image d'un seul coup. Bien qu'ils fussent bons pour deviner le type de particule, ils reposaient souvent sur des motifs accidentels ou des « bugs » dans la simulation informatique plutôt que sur les lois réelles de la physique. C'était comme un détective qui devinerait le coupable en se basant sur la couleur de ses chaussures plutôt que sur l'empreinte digitale.

La nouvelle solution : E-PCN

Les auteurs ont construit E-PCN avec une philosophie spécifique : Apprenons d'abord les règles de la physique à l'IA.

Au lieu de simplement verser toutes les données dans une boîte noire, ils ont décomposé le spray de particules en quatre « lentilles » ou « vues » spécifiques, basées sur le comportement réel des particules dans l'univers (un concept appelé le Plan Jet de Lund). Imaginez observer une scène de crime à travers quatre verres de couleurs différentes :

1. La lentille de la distance (Séparation angulaire, $\Delta$) : À quelle distance les particules sont-elles les unes des autres ?
2. La lentille de la vitesse (Impulsion transverse relative, $k_T$) : À quelle vitesse se déplacent-elles latéralement ?
3. La lentille du partage (Fraction d'impulsion, $z$) : Quelle part de l'énergie originale chaque morceau a-t-il emportée ?
4. La lentille du poids (Masse invariante, $m^2$) : Quelle est la masse du groupe combiné de particules ?

Le modèle E-PCN possède quatre « cerveaux » parallèles (réseaux de neurones). Chaque cerveau examine le jet à travers une seule de ces quatre lentilles.

• Le cerveau n°1 ne s'intéresse qu'à la distance.
• Le cerveau n°2 ne s'intéresse qu'à la vitesse.
• Le cerveau n°3 ne s'intéresse qu'au partage de l'énergie.
• Le cerveau n°4 ne s'intéresse qu'à la masse.

Après que chaque cerveau a fait sa propre observation, ils se réunissent tous autour d'une « table de conférence » (une couche de classification) pour combiner leurs notes et décider de la nature de la particule.

Le moment « Eureka » : l'explicabilité

Grâce à cette architecture, les chercheurs peuvent demander : « Quel cerveau a été le plus important pour cette décision ? »

Ils ont utilisé une technique appelée Grad-CAM (pensez-y comme une carte thermique mettant en évidence les indices les plus importants). Les résultats étaient fascinants et correspondaient à ce que les physiciens savent depuis des décennies :

• La distance et la vitesse ont été les stars du spectacle. Ensemble, elles représentaient environ 76 % du pouvoir décisionnel.
• Le partage de l'énergie et la masse constituaient les 24 % restants.

Cela prouve que l'IA ne se contente pas de mémoriser des motifs aléatoires ; elle a appris la véritable « grammaire » de l'univers. Elle a réalisé que la façon dont les particules se dispersent (distance) et se déplacent (vitesse) sont les indices les plus critiques, exactement comme le prédisent les lois de la Chromodynamique Quantique (QCD).

Fonctionne-t-il mieux ?

Oui. Lorsqu'il a été testé sur un vaste ensemble de données de collisions de particules simulées (JetClass) :

• Il était plus précis que les meilleurs modèles précédents.
• Il était beaucoup plus efficace pour repérer des particules rares et lourdes (comme le boson de Higgs se désintégrant en quarks bottom), améliorant la capacité à les trouver de plus de 80 % par rapport à l'ancienne référence.

Le test réel : le défi des « données réelles »

Les simulations sont parfaites, mais la vie réelle est désordonnée. Les vrais détecteurs comportent du bruit, et des particules se perdent. Pour tester si E-PCN était vraiment « intelligent » ou simplement « bon en simulation », les chercheurs l'ont testé sur des données réelles provenant de l'expérience CMS au LHC (appelé l'ensemble de données Aspen Open Jets).

Puisqu'ils ne disposaient pas de la « clé de réponse » pour les données réelles, ils ont vérifié la capacité de l'IA à regrouper des jets similaires (clustering).

• L'ancien modèle (PCN) a produit un tas de groupes désordonnés et confus.
• Le nouveau modèle (E-PCN) a produit des groupes nets, distincts et bien séparés.

Cela suggère que E-PCN a appris la vraie physique du comportement des particules, lui permettant de fonctionner même lorsque les données sont bruyantes et imparfaites, tout comme un vrai détective travaillant sur une scène de crime désordonnée.

Résumé

En bref, les auteurs ont créé une IA plus intelligente pour la physique des particules en lui donnant une architecture « physique d'abord ». Au lieu de laisser l'IA deviner à l'aveugle, ils lui ont fourni quatre outils spécifiques pour mesurer l'univers. Le résultat est un modèle non seulement plus précis, mais aussi honnête sur sa façon de penser, confirmant qu'il repose sur les lois fondamentales de la nature plutôt que sur des bugs informatiques.

Résumé technique

Résumé technique : E-PCN : Étiquetage des jets avec des réseaux de Chebyshev de particules explicables utilisant des caractéristiques cinématiques

Énoncé du problème
Les expériences de collision à haute énergie, en particulier avec le futur Grand collisionneur de hadrons à haute luminosité (HL-LHC), font face à des défis majeurs dans le traitement de volumes massifs de données pour identifier et classifier les jets (gerbes collimatées de particules). Bien que les réseaux de neurones à graphes (GNN) tels que le réseau de Chebyshev de particules (PCN) aient amélioré les performances de classification des jets en traitant ceux-ci comme des graphes, ils fonctionnent souvent comme des « boîtes noires ». Ce manque d'interprétabilité entrave la validation du comportement du modèle par rapport aux principes physiques, soulevant des inquiétudes quant au fait que les modèles pourraient apprendre des corrélations fallacieuses ou des artefacts de détecteur plutôt que de véritables phénomènes de chromodynamique quantique (QCD). Il existe un besoin critique d'architectures qui, non seulement atteignent une précision de pointe, mais fournissent également des processus de prise de décision transparents et motivés par la physique.

Méthodologie
Les auteurs proposent le réseau de Chebyshev de particules explicables (E-PCN), une extension du PCN qui intègre explicitement des variables cinématiques dérivées de la formalisme du plan de jet de Lund dans la structure du graphe.

• Architecture multi-graphes : Au lieu de concaténer les caractéristiques cinématiques dans les attributs des nœuds, l'E-PCN construit quatre représentations de graphes parallèles pour chaque jet. Chaque graphe partage les mêmes caractéristiques de nœuds (propriétés des particules en 16 dimensions) et la même connectivité (k-plus proches voisins basés sur la séparation angulaire), mais utilise une variable cinématique distincte comme poids d'arête :

  1. Séparation angulaire ($\Delta$) : Encode l'ordreage angulaire et les émissions collinéaires.
  2. Impulsion transverse relative ($k_T$) : Fixe l'échelle de la constante de couplage fort et sépare les régimes perturbatifs des régimes non perturbatifs.
  3. Fraction d'impulsion ($z$) : Quantifie le partage d'énergie entre les partons filles via les fonctions de division DGLAP.
  4. Masse invariante au carré ($m^2$) : Fournit une sensibilité à l'identification des jets de saveur lourde.
     Les trois premières variables sont motivées par la factorisation du plan de Lund des probabilités d'émission QCD ; la quatrième les complète pour la sensibilité aux saveurs lourdes.

• Architecture du réseau : Chacune des quatre branches de graphe est traitée par un extracteur de caractéristiques identique et paramétré indépendamment. Cet extracteur emploie une approche de convolution hybride, alternant entre des convolutions de graphes de Chebyshev (ChebConv) pour capturer les structures géométriques locales et des convolutions d'arêtes (EdgeConv) pour modéliser les relations par paires entre particules. Les quatre plongements de jets résultants en 64 dimensions sont empilés et combinés via une couche de convolution $1\times1$ avant de passer à travers des couches entièrement connectées pour la classification.

• Mécanisme d'explicabilité : Les auteurs adaptent la cartographie d'activation de classe pondérée par le gradient (Grad-CAM) à ce contexte multi-graphes. En calculant le gradient du score de classe par rapport aux plongements de chaque branche de graphe spécifique, ils quantifient l'importance relative de chaque variable cinématique dans la décision de classification.

Contributions clés

1. Conception multi-graphes informée par la physique : L'E-PCN introduit une architecture novatrice qui traite simultanément des aspects complémentaires de la dynamique des jets QCD (structure géométrique, échelles radiatives, probabilités de division et seuils de masse) à travers des canaux de graphes dédiés, plutôt que de les traiter comme un ensemble de caractéristiques monolithique.
2. Explicabilité quantitative : Le travail démontre comment le Grad-CAM peut être appliqué aux GNN multi-graphes pour révéler une hiérarchie interprétable physiquement de l'importance des caractéristiques. L'analyse confirme que le réseau privilégie des variables cohérentes avec la factorisation perturbative QCD.
3. Généralisation aux données réelles : Contrairement à de nombreux benchmarks limités à la simulation, les auteurs évaluent la qualité de la représentation du modèle sur le jeu de données Aspen Open Jets, comprenant de vraies données de collision CMS avec des effets de détecteur et de pile-up. Ils emploient un entraînement DeepCluster non supervisé pour évaluer la structure de regroupement en l'absence d'étiquettes de vérité terrain.

Résultats
Évalué sur le benchmark JetClass (9 classes de signal et 1 fond) :

• Performance de classification : L'E-PCN atteint une précision macro de 94,67 %, un macro-AUC de 96,78 % et un macro-AUPR de 82,41 %. Ces résultats représentent des améliorations relatives de 2,36 %, 4,13 % et 24,88 % par rapport au PCN de base, respectivement. Notamment, l'AUPR pour les canaux de saveur lourde ($H \to b\bar{b}$) s'est amélioré de 81,53 %.
• Analyse d'explicabilité : Le Grad-CAM révèle que la séparation angulaire ($\Delta$) et l'impulsion transverse relative ($k_T$) comptent collectivement pour environ 76 % des décisions de classification (40,72 % et 35,67 %, respectivement). Cette hiérarchie s'aligne sur la structure de factorisation douce-collinéaire de la QCD. Des variations spécifiques aux classes ont été observées, telles qu'une importance accrue de $k_T$ pour les jets de gluons et une importance accrue de $m^2$ pour les jets de quarks bottom, cohérentes avec l'échelle de Casimir et l'effet du cône mort.
• Généralisation aux données réelles : Sur le jeu de données Aspen Open Jets, l'E-PCN a produit des représentations latentes nettement plus structurées que le PCN. L'indice de Davies-Bouldin a diminué de 52,15 % (0,8395 $\to$ 0,4017) et l'indice de Dunn a augmenté de 42,33 % (0,0189 $\to$ 0,0269), indiquant une compacité et une séparation de clusters supérieures.

Signification et affirmations
L'article affirme que l'E-PCN comble avec succès le fossé entre l'apprentissage profond haute performance et l'interprétabilité physique dans l'étiquetage des jets. En codant en dur les variables cinématiques du plan de Lund dans la structure du graphe, le modèle apprend des représentations qui reflètent les motifs de rayonnement QCD sous-jacents plutôt que des artefacts de simulation. Les auteurs soulignent que, bien que la hiérarchie d'importance des caractéristiques corresponde aux prédictions théoriques de la QCD, cela sert de validation que l'architecture exploite efficacement la structure présente dans les données d'entraînement.

Crucialement, l'amélioration des performances de regroupement sur les données réelles du CMS suggère que ces représentations informées par la physique sont suffisamment robustes pour se généraliser au-delà des simulations idéalisées vers des conditions expérimentales impliquant des effets de détecteur et du pile-up. Le travail conclut que la construction de réseaux de neurones autour de principes cinématiques établis améliore à la fois l'interprétabilité et les performances de classification, offrant une direction prometteuse pour l'étiquetage des jets dans les futurs environnements de collisionneurs à haute luminosité. Les auteurs notent que la validation définitive de ces affirmations d'interprétabilité sous les incertitudes systématiques expérimentales complètes reste un sujet pour un travail futur.