Event Generation with Parallel Langevin Sampling and Learned Stein Diagnostics

Résumé Technique : Génération d'Événements par Échantillonnage de Langevin Parallèle et Diagnostics de Stein Appris

Énoncé du Problème
La phénoménologie de précision des collisionneurs fait face à un goulot d'étranglement computationnel important dans la génération d'échantillons d'événements Monte Carlo (MC), particulièrement pour les états finaux à haute multiplicité. Le coût dominant provient de l'échantillonnage de la section efficace différentielle de la collision proton-proton dure, où les évaluations des éléments de matrice sont coûteuses. Les méthodes standards actuelles, largement basées sur l'algorithme de Vegas avec des améliorations inspirées de la physique, reposent sur l'échantillonnage par rejet. Cette approche souffre de faibles efficacités de déspondération (unweighting) à mesure que la multiplicité augmente, se dégradant souvent de plusieurs ordres de grandeur. Bien que des approches récentes de machine learning (par exemple, les flux de normalisation) aient amélioré l'efficacité, elles restent fondamentalement dépendantes de l'échantillonnage par rejet et de ses inefficacités associées.

Méthodologie
Les auteurs proposent un cadre alternatif basé sur un échantillonnage de Markov Chain Monte Carlo (MCMC) parallélisé utilisant l'algorithme de Langevin sous-amorti (Underdamped Langevin Algorithm - ULA), augmenté d'un diagnostic de convergence piloté par les données.

• Échantillonnage de Langevin Sous-amorti Parallèle : Au lieu de faire courir une seule longue chaîne, la méthode fait évoluer de nombreuses chaînes indépendantes en parallèle sur des accélérateurs matériels. Pour éliminer l'autocorrélation intra-chaîne, seul l'état terminal de chaque chaîne est conservé comme un événement non pondéré. Les chaînes utilisent une dynamique de Langevin sous-amortie, conservant la quantité de mouvement entre les étapes et appliquant une correction de Metropolis-Hastings (MH) après chaque proposition pour corriger le biais de discrétisation.
• Dynamique dans l'Espace Miroir : Puisque l'espace des phases physique est borné ($x \in [0, 1]^d$) alors que l'ULA est naturellement formulée sur $\mathbb{R}^d$, l'évolution est effectuée dans un « espace miroir » en utilisant une transformation élément par élément (fonction erreur inverse). Cela préserve les propriétés de convergence de l'algorithme non contraint.
• Discrépance de Stein Apprise (LSD) comme Diagnostic : Pour déterminer quand l'ensemble des chaînes a atteint la stationnarité (c'est-à-dire la distribution cible), les auteurs emploient une Discrépance de Stein Apprise. Contrairement aux discrépances de Stein basées sur des noyaux (kernels) qui croissent de manière quadratique avec la taille de l'échantillon ($n^2$), la LSD utilise un réseau de neurones critique pour estimer la discrépance de manière linéaire par rapport au nombre d'échantillons. Cela permet un suivi efficace de la convergence.
• Gestion des Frontières Nettes : Les sections efficaces physiques impliquent des coupures nettes dans l'espace des phases. Pour garantir que l'opérateur de Stein reste valide en présence de ces frontières dures, une fonction de frontière scalaire $h(x)$ est introduite. Cette fonction s'annule sur la surface de coupure, garantissant que la contribution de la frontière à l'opérateur de Stein est traitée correctement.
• Initialisation par Substitut (Surrogate) : Pour réduire le nombre d'évaluations coûteuses des éléments de matrice exacts et de leurs gradients, un substitut par réseau de neurones est entraîné sur un ensemble limité de points de l'espace des phases. Les chaînes évoluent d'abord en utilisant ce substitut pour accélérer l'équilibrage, puis basculent vers la densité cible exacte pour une séquence plus courte d'étapes avant la terminaison.

Contributions Clés

1. Cadre Algorithmique : L'intégration de chaînes ULA parallèles avec une discrépance de Stein apprise fournit une méthode pour générer des événements strictement non pondérés sans dépendre de l'échantillonnage par rejet.
2. Diagnostic de Convergence : L'application de la Discrépance de Stein Apprise comme estimateur pratique et piloté par les données du temps de relaxation ($t_{rel}$), permettant au système de déterminer quand arrêter l'évolution des chaînes et accepter les échantillons.
3. Accélération par Substitut : Démonstration que de simples substituts par réseaux de neurones peuvent réduire considérablement le nombre d'évaluations de la cible exacte requises pour la relaxation, agissant comme un « démarrage à chaud » (warm start) pour les chaînes MCMC.
4. Gestion des Frontières : Une formulation spécifique de l'opérateur de Stein qui prend en compte les coupures nettes de l'espace des phases communes en physique des collisionneurs.

Résultats
La méthode a été appliquée à la génération d'événements $u\bar{u} \to Z + ng$ au niveau des arbres pour des multiplicités de gluons $n = 0, 1, 2, 3$.

• Convergence : La Discrépance de Stein Apprise a suivi avec succès la convergence des chaînes. Pour les multiplicités étudiées, la relaxation n'a nécessité qu'un nombre modeste d'étapes ULA de la cible exacte, avec une croissance seulement légère à mesure que la multiplicité augmentait.
• Gains d'Efficacité : L'utilisation de l'initialisation par substitut a considérablement réduit le nombre d'évaluations des éléments de matrice exacts. Par exemple, pour $Z+3g$, le temps de relaxation est passé de 115 étapes (sans substitut) à 55 étapes (avec substitut).
• Validation : Les échantillons terminaux des chaînes ULA ont reproduit les distributions des observables physiques (par exemple, l'impulsion transverse $p_T$, l'échelle de résolution des jets $\sqrt{d_{01}}$, et la rapidité) dans les incertitudes statistiques lorsqu'ils ont été comparés à des estimations Vegas indépendantes.

Signification et Revendications
L'article affirme que le MCMC basé sur le gradient et parallèle est une alternative pratiquement viable à la génération d'événements par rejet, particulièrement dans les régimes où l'efficacité de la déspondération se dégrade sévèrement avec la multiplicité. Les auteurs soulignent que leur méthode génère des événements strictement non pondérés, évitant les poids résiduels souvent trouvés dans l'échantillonnage par rejet lorsque les poids maximaux sont plafonnés pour maintenir l'efficacité.

La surcharge de calcul de la méthode est décrite comme négligeable par rapport au coût des évaluations des éléments de matrice. L'approche est naturellement parallèle, ce qui la rend bien adaptée à l'exécution sur GPU/TPU. Les auteurs notent que si l'étude actuelle se concentre sur un canal partonique fixe, des éléments de matrice au niveau des arbres et une carte simple de l'espace des phases, la combinaison de chaînes parallèles, de diagnostics de temps de relaxation explicites et d'initialisation par substitut offre une voie concrète vers une génération d'événements qui minimise les évaluations de la cible exacte coûteuse. Ils restent modestes, affirmant que des comparaisons plus larges avec les méthodes actuelles et le comportement de mise à l'échelle doivent finalement être testés au sein de programmes complets de génération d'événements.