Flow-Based Surrogates for High-Dimensional Likelihoods in Experimental Neutrino Physics

Résumé Technique : Surrogats basés sur les Flux pour les Vraisemblances de Haute Dimension en Physique Expérimentale des Neutrinos

Énoncé du Problème
Les expériences de précision de neutrinos à longue ligne de base reposent sur les données des détecteurs proches pour contraindre les incertitudes systématiques (paramètres de nuisance) affectant le flux de neutrinos non oscillé. Ces contraintes sont essentielles pour les mesures précises des paramètres d'oscillation dans les détecteurs lointains et pour les analyses conjointes entre plusieurs expériences. Cependant, les fonctions de vraisemblance contraintes dans ces scénarios sont souvent de haute dimension (par exemple, $\sim 100$ paramètres) et non gaussiennes en raison des dépendances non linéaires des paramètres, des limites physiques et de la statistique limitée.

Les méthodes de propagation actuelles font face à un fossé méthodologique :

1. Approximations Gaussiennes Post-ajustement : Celles-ci sont transportables et sous forme fermée, mais supposent une log-vraisemblance quadratique, échouant à capturer les queues asymétriques, les corrélations courbes et les modes non gaussiens, ce qui peut introduire un biais.
2. Monte Carlo par Chaînes de Markov (MCMC) : Bien qu'asymptotiquement exact et fidèle à la structure de la vraisemblance, l'échantillonnage MCMC n'est pas une fonction continue sous forme fermée, ce qui le rend difficile à insérer directement dans les vraisemblances en aval pour l'optimisation basée sur le gradient ou la réutilisation efficace.
3. Implémentations de Vraisemblance Complètes : Elles sont précises mais nécessitent l'accès à des logiciels, des données et des infrastructures spécifiques, ce qui les rend peu pratiques pour la propagation portable des contraintes.

Méthodologie
Les auteurs proposent d'utiliser des Flux de Normalisation (NF) comme modèles de substituts (surrogats) explicites et transportables pour les vraisemblances de systématiques de haute dimension. L'approche consiste à apprendre une application inversible $f_\theta$ qui transforme une distribution de base simple en la densité de vraisemblance des systématiques cibles $p(\eta) \propto \mathcal{L}(\eta)$.

• Architecture Hybride : Pour équilibrer l'expressivité et le coût computationnel en haute dimension, les auteurs emploient une architecture hybride qui partitionne les paramètres de nuisance $\eta$ en deux blocs :

  • $\eta_B$ (Haute dimension, approximativement linéaire) : Modélisé à l'aide de couches de couplage (blocs de couplage affine). Celles-ci fournissent des inverses analytiques rapides en un seul passage et des évaluations de densité, adaptés à la majorité des paramètres qui présentent un comportement linéaire.
  • $\eta_A$ (Basse dimension, hautement non linéaire) : Modélisé par des Flux de Splines Quadratiques Rationnelles (RQ-NSF) autorégressifs conditionnels. Ce bloc capture les caractéristiques non gaussiennes complexes. La structure autorégressive est conditionnée par $\eta_B$ afin de préserver les corrélations croisées tout en restreignant le calcul autorégressif coûteux au bloc plus petit et plus difficile.
  • Initialisation : Le flux est initialisé à l'aide de l'approximation gaussienne post-ajustement (point de meilleur ajustement et matrice de covariance issus d'un ajustement standard) pour fournir une proposition de départ robuste et des échantillons d'entraînement.

• Stratégie d'Entraînement : Le modèle est entraîné en minimisant une divergence de Kullback-Leibler (KL) symétrique entre la vraisemblance cible et l'approximation par flux. Pour gérer la haute dimensionnalité et le coût des évaluations de vraisemblance, un schéma d'entraînement asynchrone itératif est utilisé :

  • Des travailleurs CPU échantillonnent à partir d'un point de contrôle (checkpoint) retardé du flux pour générer des échantillons de proposition.
  • Ces échantillons sont évalués par rapport à la vraisemblance cible coûteuse.
  • Le jeu de données résultant est poussé dans un tampon FIFO.
  • Un entraîneur GPU optimise continuellement les paramètres du flux sur le jeu de données agrégé.
  • Ce processus affine itérativement la distribution de proposition, réduisant ainsi la variance des poids d'importance.

Contributions Clés et Résultats
La méthode a été testée sur une réplique réaliste d'une analyse de détecteur proche de T2K impliquant 110 paramètres systématiques, dont 10 introduisent des non-gaussianités explicites via des poids d'événements non linéaires.

• Fidélité dans l'Espace des Paramètres : Le substitut NF entraîné reproduit la vraisemblance cible avec une grande fidélité.
  • Distributions Marginales : Le NF capture avec précision les queues asymétriques et les modes déplacés du point de meilleur ajustement pour les 10 paramètres non linéaires, correspondant étroitement à une chaîne MCMC de référence (4,2 millions d'échantillons). En revanche, l'approximation gaussienne échoue à capturer ces caractéristiques.
  • Corrélations : Le NF modélise correctement les corrélations courbes et les régions de confiance déformées dans les projections 2D, ce que le modèle gaussien manque.
• Prédictions de Flux : Lors de la propagation des incertitudes systématiques vers les prédictions de flux :
  • Les bandes d'incertitude dérivées du NF concordent avec les résultats MCMC à environ $\pm 1\%$.
  • L'approximation gaussienne surestime la largeur des incertitudes d'environ $3,5\%$ et sous-estime le taux d'événements médian d'environ $0,2\%$, indiquant un biais dans le substitut gaussien.
• Efficacité d'Échantillonnage :
  • Le substitut NF entraîné atteint une taille effective d'échantillon relative (rESS) de 98%, contre seulement 5% pour la proposition gaussienne initiale.
  • Cela représente une amélioration d'un facteur $\sim 20$ de l'efficacité d'échantillonnage pour l'échantillonnage par importance.
  • Une fois entraîné, le substitut est peu coûteux en calcul : il peut générer $\sim 38$ millions d'échantillons par heure-GPU, contre $\sim 10\,000$ évaluations par heure-CPU pour la vraisemblance originale.
• Scalabilité : Le coût computationnel dépend principalement de la taille du bloc non linéaire ($D_A$), et non de la dimension totale. Même avec $D_A=100$, le substitut reste nettement plus rapide que l'évaluation de la vraisemblance originale.

Signification et Revendications
L'article affirme que les flux de normalisation fournissent une solution « fidèle et transportable » pour les vraisemblances de haute dimension en physique des neutrinos. En convertissant la vraisemblance des systématiques ajustée en un modèle de densité explicite, le NF agit comme un substitut à forme fermée, échantillonnable et évaluable point par point.

La signification réside dans le fait de combler le fossé entre les résumés gaussiens et les échantillons MCMC :

• Comme les approximations gaussiennes, le NF est léger, transportable et ne nécessite pas les données originales ou les mécanismes d'ajustement pour une utilisation en aval.
• Comme le MCMC, il préserve la structure non gaussienne complète (asymétrie, corrélations courbes, queues non gaussiennes), évitant ainsi les biais inhérents aux approximations quadratiques.

Les auteurs positionnent cette méthode comme essentielle pour les futures mesures de précision des oscillations, en particulier pour les analyses conjointes d'expériences (ex: T2K-NOvA) ou les analyses globales où les contraintes d'une étape doivent être rigoureusement propagées vers une autre sans perte d'information statistique. Le flux entraîné permet l'optimisation basée sur le gradient et la propagation des incertitudes dans les analyses en aval sans avoir à réexécuter l'ajustement en amont.