Unbinned extraction of $\gamma$ from $B\to DK$ with normalizing flows

Cet article présente et valide une méthode non binnée utilisant des flux de normalisation pour extraire l'angle CKM $\gamma$ des désintégrations $B^\pm \to (D \to K_S \pi^+ \pi^-) K^\pm$, démontrant sa capacité à récupérer avec précision $\gamma$ et d'autres paramètres à partir de données de Monte Carlo tout en propageant les incertitudes statistiques via un entraînement par ensembles.

L'essentiel

Imaginez que vous essayez de résoudre un puzzle complexe pour trouver un nombre caché, appelons-le $\gamma$ (gamma). Ce nombre est une pièce fondamentale du livre de règles de l'univers, spécifiquement lié à la raison pour laquelle l'univers est composé de matière plutôt que d'antimatière.

Les physiciens tentent généralement de trouver ce nombre en observant la désintégration (la fragmentation) de particules spécifiques, appelées mésons B, en d'autres particules. Le processus ressemble à l'observation d'un tour de magie : un méson B se divise, et l'un de ses « enfants » est un méson D, qui se divise ensuite immédiatement en un mélange de pions et d'un kaon.

L'Ancienne Méthode : Regarder à Travers une Grille

Pendant des décennies, les scientifiques ont analysé ces ruptures de particules en utilisant une méthode appelée méthode BPGGSZ. Imaginez que les résultats possibles de la désintégration du méson D soient cartographiés sur un carré de papier quadrillé (appelé graphique de Dalitz).

Dans l'approche traditionnelle, les scientifiques dessinent une grille sur ce papier, le divisant en 8 grandes boîtes. Ils comptent combien de particules atterrissent dans chaque boîte et calculent une « moyenne » pour cette boîte.

• Le Problème : C'est comme essayer de décrire un tableau détaillé en ne le regardant qu'à travers un écran de fenêtre grossier. Vous obtenez l'idée générale, mais vous perdez tous les détails fins et les bords nets à l'intérieur des boîtes. Ce « flou » rend plus difficile la détermination précise de la valeur exacte de $\gamma$.

La Nouvelle Méthode : L'Appareil Photo « Flux de Normalisation »

Ce papier présente une nouvelle façon plus nette d'examiner les données en utilisant un type d'Intelligence Artificielle (IA) appelé Flux de Normalisation (NF).

Imaginez un Flux de Normalisation non pas comme une grille, mais comme un appareil photo haute définition et flexible qui apprend à prendre une photo parfaite des données de particules.

1. Apprendre la Forme : L'IA est nourrie de millions d'exemples de la façon dont le méson D se désintègre. Au lieu de compter des boîtes, l'IA apprend la forme exacte et continue de l'endroit où vont les particules. Elle capture chaque petite ondulation, chaque pic et chaque vallée dans les données, tout comme une photo haute résolution capture chaque coup de pinceau.
2. La Partie Délicate (La Contrainte) : Il existe une règle mathématique en physique qui stipule que ces motifs de particules doivent s'assembler parfaitement, comme trois pièces d'un puzzle qui doivent former un cercle. Si vous devinez la forme d'une pièce, les autres sont verrouillées en place.
   • Le Défi : Si vous utilisez deux modèles d'IA séparés pour deviner les formes, ils pourraient accidentellement être en désaccord avec cette règle (comme deux pièces de puzzle qui ne s'emboîtent pas tout à fait).
   • La Solution : Les auteurs ont construit deux versions de leur IA :
     • Version A (Le « Réseau H ») : Cette IA est construite avec la règle codée en dur dans son cerveau. Il est physiquement impossible pour elle de faire une erreur ; elle produit toujours des formes qui s'adaptent parfaitement au puzzle.
     • Version B (Le « 3-Flux ») : Cette IA utilise trois modèles séparés qui apprennent indépendamment. Parfois, ils font de petites erreurs où les pièces ne s'emboîtent pas. Les auteurs corrigent cela en lissant les erreurs, comme poncer doucement une pièce de puzzle rugueuse jusqu'à ce qu'elle s'adapte.

Les Résultats : Un Test Parfait

Les auteurs ont testé cette nouvelle méthode en utilisant des simulations informatiques (un « test de fermeture »). Ils ont créé de fausses données avec une valeur connue pour $\gamma$ et ont demandé à leur IA de la trouver.

• Le Résultat : Les deux versions de l'IA ont trouvé avec succès le nombre caché $\gamma$ avec une grande précision.
• Le Gagnant : Le « Réseau H » (celui avec la règle codée en dur) était légèrement plus stable et précis, probablement parce qu'il n'avait pas à perdre du temps à corriger ses propres erreurs.

Pourquoi Cela Compte

Le papier affirme que cette méthode permet aux physiciens d'utiliser toutes les informations contenues dans les données, plutôt que de jeter les détails fins en les moyennant dans des boîtes.

• L'Avantage : À mesure que davantage de données sont collectées à partir d'expériences (comme celles du CERN ou de Belle II), cette méthode d'IA s'améliore continuellement, améliorant systématiquement la précision de la mesure.
• La Mise en Garde : Il s'agit actuellement d'une « preuve de concept » utilisant des données simulées. Les auteurs notent que, avant d'utiliser cette méthode sur des données réelles, ils devront tenir compte des désordres du monde réel (comme les erreurs de détecteur) et s'assurer que l'IA ne développe pas de biais subtils. Ils suggèrent également qu'à l'avenir, l'utilisation de versions « bayésiennes » de cette IA pourrait calculer automatiquement l'incertitude du résultat, sans avoir besoin d'exécuter la simulation des centaines de fois.

En bref : Les auteurs ont remplacé une méthode floue et basée sur une grille pour mesurer une constante fondamentale de l'univers par une méthode nette et pilotée par l'IA qui apprend la forme exacte des données, prouvant qu'elle peut trouver la réponse avec précision dans les simulations.

Résumé technique

Résumé technique : Extraction non binnée de $\gamma$ à partir de $B \to DK$ avec des flux normalisants

Énoncé du problème
La détermination de l'angle du triangle d'unitarité CKM $\gamma$ (ou $\phi_3$) à partir des désintégrations $B^\pm \to DK^\pm$, où $D \to K_S \pi^+ \pi^-$, est théoriquement propre mais limitée expérimentalement par la précision statistique. L'approche actuelle la plus avancée et indépendante du modèle, la méthode BPGGSZ, partitionne le diagramme de Dalitz de la désintégration $D$ en bins. Bien que cela évite les hypothèses dépendantes du modèle concernant l'amplitude de désintégration $D$, cela introduit un « granularité grossière » de l'espace des phases. La moyenne de la différence de phase forte sur des bins finis efface les effets d'interférence locaux, entraînant une perte de sensibilité à $\gamma$. Des alternatives non binnées précédentes (développements de Fourier, polynômes de Legendre, tests non paramétriques) ont été proposées mais manquent souvent de la flexibilité nécessaire pour capturer des structures complexes et multimodales inhérentes aux diagrammes de Dalitz sans introduire d'erreurs de modélisation irréductibles.

Méthodologie
Les auteurs proposent une méthode d'extraction non binnée utilisant des flux normalisants (NF) pour apprendre une représentation continue et pilotée par les données de l'amplitude de désintégration $D$ et de la variation de phase forte à travers le diagramme de Dalitz carré. La méthode remplace les observables moyennées par bins ($K_i, c_i, s_i$) de la méthode BPGGSZ par des fonctions continues ($K, C, S$) apprises directement à partir des données de désintégration $D$.

Le défi technique central abordé est la contrainte trigonométrique liant les fonctions apprises : $C^2 + S^2 = K \bar{K}$. L'article explore deux architectures distinctes pour gérer cela :

1. Architecture consciente de la contrainte (réseau $h$) :

   • Un NF étiqueté saveur est entraîné pour apprendre la densité $K(m', \theta')$.
   • Un réseau de neurones séparé, $h(m', \theta')$, est entraîné sur des données étiquetées CP pour apprendre $\cos \Delta \delta$.
   • Le réseau $h$ est contraint à l'intervalle $[-1, 1]$ via une activation $\tanh$.
   • Les observables d'interférence sont construites comme $C = \sqrt{K\bar{K}}h$ et $|S| = \sqrt{K\bar{K}}\sqrt{1-h^2}$. Cette construction garantit que la contrainte trigonométrique est satisfaite par définition en chaque point.
   • Pour capturer les oscillations rapides près des résonances, le réseau $h$ utilise une architecture SIREN (Sinusoidal Representation Network), mieux adaptée aux caractéristiques haute fréquence que les MLP standard basés sur ReLU.

2. Application différée de la contrainte (3-flux) :

   • Trois NF indépendants sont entraînés : un sur des données étiquetées saveur (apprenant $K$) et deux sur des données étiquetées CP pair et CP impair (apprenant les densités $p_+$ et $p_-$).
   • L'observable $C$ est extraite algébriquement à partir des densités CP.
   • Comme les flux sont indépendants, les fluctuations statistiques peuvent conduire à des régions non physiques où $C^2 > K\bar{K}$ (entraînant un $S^2$ négatif).
   • Une étape de post-traitement impliquant une moyenne locale des voisins est appliquée pour imposer la contrainte $C^2 \leq K\bar{K}$.

Les fonctions continues extraites sont ensuite utilisées dans un ajustement de vraisemblance maximale non binné des données $B^\pm \to DK^\pm$ pour déterminer $r_B$, $\delta_B$ et $\gamma$.

Contributions clés

• Estimation de densité non binnée : L'article introduit la première application des flux normalisants à l'extraction de $\gamma$, fournissant une représentation flexible et non paramétrique du diagramme de Dalitz qui s'améliore systématiquement avec des ensembles de données de désintégration $D$ plus grands.
• Gestion des contraintes : Il démontre deux stratégies pour intégrer la contrainte trigonométrique non linéaire entre les observables d'amplitude et de phase dans les architectures d'apprentissage automatique, comparant une contrainte « dure » (via la conception de l'architecture) à une contrainte « douce » (via le post-traitement).
• SIREN pour la physique haute fréquence : Le travail met en évidence l'utilité des architectures SIREN pour modéliser les variations de phase rapides trouvées dans les diagrammes de Dalitz, que les réseaux de neurones standard ont souvent du mal à résoudre.
• Analyse des biais et des incertitudes : L'étude fournit un test de fermeture rigoureux utilisant des ensembles de jeux de données simulés pour quantifier les incertitudes statistiques et rechercher des biais systématiques introduits par l'approximation NF.

Résultats
Les méthodes ont été testées sur des données générées par Monte Carlo utilisant des paramètres de référence ($r_B=0.1, \delta_B=130^\circ, \gamma=70^\circ$).

• Fidélité : Les NF reproduisent avec succès la densité du modèle isobare d'entrée, y compris les structures de résonance étroites. La moyenne de l'ensemble des densités apprises correspond au modèle vrai avec une haute fidélité (couverture $1\sigma$ ponctuelle d'environ 95 % pour les flux saveur et d'environ 96-97 % pour les flux CP).
• Extraction des paramètres : Les deux méthodes récupèrent avec succès la valeur injectée de $\gamma$ dans les limites des incertitudes statistiques.
• Comparaison des méthodes :
  • L'approche réseau $h$ produit des variances plus faibles dans les paramètres extraits à travers différents jeux de données par rapport à la méthode 3-flux. Cela est attribué à la contrainte intégrée empêchant les valeurs non physiques qui nécessitent une réparation numérique dans l'approche 3-flux.
  • La méthode 3-flux présente une variabilité légèrement plus grande des incertitudes, en particulier lorsque la moyenne des voisins est requise pour corriger les valeurs $S^2$ non physiques près des pics de résonance.
• Biais : Aucun biais systématique statistiquement significatif n'a été trouvé. Les bornes supérieures estimées sur les biais potentiels sont faibles (environ $1^\circ$ pour $\gamma$ et $\delta_B$, environ 0,002 pour $r_B$), comparables ou inférieures aux incertitudes statistiques des jeux de données simulés.

Signification et affirmations
L'article présente ce travail comme une preuve de concept pour une extraction non binnée de $\gamma$. Les auteurs affirment que :

1. L'approche basée sur les NF offre une amélioration systématique par rapport aux méthodes binnées à mesure que la taille des échantillons de désintégration $D$ augmente, de manière analogue à la façon dont la précision des paramètres $c_i$ et $s_i$ s'améliore dans la méthode binnée.
2. La méthode évite les erreurs de modélisation irréductibles associées aux modèles isobares tout en conservant plus d'informations sur l'espace des phases que les approches binnées.
3. Les architectures proposées n'introduisent pas de biais significatifs, ce qui en fait des candidats viables pour une mise en œuvre expérimentale future au LHCb et à Belle II.

Les auteurs notent explicitement que l'implémentation actuelle propage les incertitudes statistiques via un ensemble de flux entraînés indépendamment et ne capture pas encore les erreurs expérimentales systématiques (par exemple, résolution du détecteur, bruits de fond). Ils suggèrent que les travaux futurs devraient explorer les flux normalisants bayésiens pour fournir des estimations directes d'incertitude sur les densités apprises sans nécessiter d'ensembles externes, et que la méthode doit être étendue pour inclure les effets du détecteur pour une application sur des données réelles. L'article plaide pour la poursuite parallèle des méthodes binnées traditionnelles et des méthodes NF non binnées proposées afin de vérifier les résultats et d'identifier les effets systématiques potentiels.