Physically Consistent Parameter Inference: Transparent Machine Learning Emulation in High Energy Physics and Cosmology

Résumé Technique : Inférence de Paramètres Physiquement Cohérente via l'Apprentissage Automatique Transparent

Énoncé du Problème
Les ajustements globaux en physique des hautes énergies (HEP) et en cosmologie sont fréquemment confrontés au défi de l'exploration d'espaces de paramètres de grande dimension contraints par des centaines de mesures corrélées. Les fonctions de vraisemblance dans ces domaines présentent souvent des topologies complexes, incluant de fortes corrélations entre paramètres, un comportement non gaussien, de multiples minima locaux et des dégénérescences allongées et « courbes ». De plus, l'évaluation des prédictions théoriques requises pour ces vraisemblances est souvent coûteuse en calcul, impliquant fréquemment des évolutions de groupe de renormalisation, des intégrales de distance numériques ou le calcul de centaines d'observables. Les approches statistiques traditionnelles, telles que le Monte Carlo par chaînes de Markov (MCMC) ou l'échantillonnage imbriqué (nested sampling), reposent sur des évaluations répétées de la vraisemblance, rendant les balayages exhaustifs de paramètres impraticables ou excessivement lents. Il existe un besoin critique de modèles de substitution (surrogates) rapides et interprétables, capables d'émuler ces paysages de vraisemblance complexes sans sacrifier la rigueur statistique ni l'interprétabilité physique.

Méthodologie
Les auteurs proposent un cadre d'apprentissage automatique (ML) unifié conçu pour émuler la fonction de log-vraisemblance (ou $\chi^2$) en utilisant XGBoost (eXtreme Gradient Boosting), un ensemble d'arbres de régression boostés par gradient. Le cadre intègre trois composantes fondamentales :

1. Construction du Modèle de Substitution (Surrogate) :

   • Génération de Données d'Entraînement : Le jeu de données d'entraînement est construit à l'aide d'une stratégie hybride. Il combine un plan de remplissage de l'espace (utilisant un échantillonnage de type Latin Hypercube ou des séquences de Sobol) sur l'ensemble du volume de l'a priori avec un nuage gaussien plus dense concentré autour de la région du meilleur ajustement, dérivé de la Hessienne de l'ajustement. Cela garantit une couverture à la fois des espaces de paramètres larges et des dégénérescences étroites et anisotropes.
   • Apprentissage Actif : Pour les régions où la vraisemblance est clairsemée ou présente des structures abruptes, une boucle d'apprentissage actif affine le jeu de données. Un substitut basé sur un Processus Gaussien (GP) prédit l'incertitude, et une fonction d'acquisition (Amélioration Attendue) sélectionne de nouveaux points pour une évaluation exacte, concentrant progressivement l'échantillonnage là où il améliore le plus l'émulation de la vraisemblance.
   • Transformation de la Cible : Pour gérer la vaste plage dynamique des valeurs de $\chi^2$ (de $\sim 10^3$ à $10^6$) et garantir que le modèle résolve les régions de confiance étroites près du minimum, les auteurs emploient des transformations de cible spécifiques. Celles-ci incluent la log-vraisemblance directe pour les ajustements de saveur, une stratégie à deux étapes (classificateur plus régresseur) utilisant une transformation sigmoïde pour les particules de type axion (ALPs), et une transformation log10 décalée ($y = \log_{10}(\chi^2 - \chi^2_{\min} + 1)$) pour la cosmologie. Ce décalage mappe le minimum vers une région de pente constante du transform, quel que soit la valeur absolue de $\chi^2$.

2. Interprétabilité via SHAP :

   • Pour garantir que les prédictions de ML restent physiquement cohérentes, le cadre utilise les valeurs SHAP (Shapley Additive exPlanations). Basées sur la théorie des jeux coopératifs, les valeurs SHAP quantifient la contribution marginale de chaque caractéristique (paramètre du modèle) à la prédiction.
   • L'algorithme TreeSHAP est utilisé pour calculer les valeurs SHAP exactes en temps polynomial pour les ensembles d'arbres. Cela fournit un classement de l'importance des paramètres indépendant du modèle et révèle les dépendances non linéaires, garantissant que le substitut capture la physique sous-jacente plutôt que le bruit numérique.

3. Exploration de la Postériorité :

   • Le $\chi^2$ émulé est échantillonné à l'aide d'un algorithme de marche aléatoire de Metropolis-Hastings en parallèle. La covariance de proposition est fixée selon le facteur de Cholesky de la covariance de l'ajustement pour améliorer le mélange dans les espaces corrélés.
   • Tests de Clôture (Closure Tests) : Le cadre valide le substitut en comparant la distribution de $\Delta\chi^2$ sur les points acceptés par rapport à la distribution $\chi^2$ attendue (théorème de Wilks) et, dans le cas cosmologique, en comparant directement la postériorité émulée avec la vraisemblance exacte échantillonnée via plusieurs back-ends indépendants (Astropy, CPU, GPU).

Applications Clés et Résultats
Le cadre est validé à travers trois applications de l'ajustement global de complexité et de dimensionnalité croissantes :

1. Anomalies de Saveur dans les Désintégrations de Mesons B Semileptoniques (SMEFT19) :

   • Contexte : Analyse des écarts dans les transitions $b \to c\tau\nu$, $b \to s\nu\bar{\nu}$, et $b \to s\ell^+\ell^-$ utilisant le cadre SMEFT19 (Scénario III).
   • Performance : Le substitut XGBoost a atteint un coefficient de corrélation de Pearson de $r=0,99$ avec la vraisemblance exacte.
   • Accélération : La vitesse d'évaluation a été augmentée d'un facteur de $\sim 10^5$ (passant d'environ 3 secondes par point à $\sim 34$ microsecondes).
   • Aperçu Physique : Le substitut a réussi à reproduire la rupture de la dégénérescence $C_1 = C_3$ et la crête courbe dans le plan $(C_1, \beta_q)$. L'analyse SHAP a correctement classé les paramètres ($C_3 > C_1 > \beta_q$), ce qui est cohérent avec la structure des opérateurs sous-jacents. Crucialement, elle a révélé que la forte corrélation entre $R_D$ et $BR(B^+ \to K^+\nu\bar{\nu})$ observée dans les scénarios précédents disparaît lorsque $C_1$ et $C_3$ varient indépendamment.

2. Particules de type Axion (ALPs) et l'Anomalie de Belle II :

   • Contexte : Explication de l'excès de $2,8\sigma$ dans $B^+ \to K^+\nu\bar{\nu}$ avec un ALP léger ($m_a \approx 2$ GeV). La vraisemblance est non gaussienne et discontinue en raison des seuils cinématiques et des probabilités de désintégration dépendantes de la durée de vie.
   • Stratégie : Une approche à deux étapes a été utilisée : un classificateur (transformation sigmoïde) pour isoler la région pertinente de faible $\chi^2$, suivi d'un régresseur.
   • Performance : Le classificateur a atteint une AUC de 0,974, et le régresseur a atteint $r=0,929$.
   • Accélération : La vitesse d'évaluation a augmenté de $\sim 5,3 \times 10^5$ (passant d'environ 1,9 seconde à $\sim 3,5$ microsecondes).
   • Aperçu Physique : SHAP a identifié la masse de l'ALP ($m_a$) comme le paramètre le plus critique, suivi de la charge PQ des quarks de troisième génération à gauche ($X^3_{qL}$) et de la constante de désintégration ($f_a$). La postériorité a correctement favorisé $m_a \approx 1,8$ GeV et $f_a \in [10^6, 10^7]$ GeV.

3. Cosmologie ($\Lambda$CDM et $w_0w_a$CDM) :

   • Contexte : Ajustement des supernovas de type Ia (Pantheon+, DES), des oscillations acoustiques de baryons (DESI), et d'un a priori CMB compressé pour contraindre les paramètres d'énergie noire ($w_0, w_a$).
   • Validation : Contra-irement aux autres cas, la vraisemblance cosmologique exacte est suffisamment peu coûteuse pour être échantillonnée directement. Les auteurs ont exécuté un MCMC sur la vraisemblance exacte en utilisant quatre back-ends différents (Astropy, CPU, GPU, et le substitut ML) et ont confirmé que les postériorités étaient statistiquement indiscernables.
   • Accélération : Le substitut était $3,6$à$22,4\times$ plus rapide que l'implémentation vectorisée CPU et $7,2$à$12,1\times$ plus rapide que le noyau GPU.
   • Aperçu Physique : Le substitut a capturé la préférence pour une énergie noire dynamique ($w_0 > -1, w_a < 0$) avec les données de supernovas+BAO et le retour au $\Lambda$CDM lors de l'ajout de l'a priori CMB. L'analyse SHAP a correctement identifié la hiérarchie des contraintes : sans le CMB, les paramètres de fond ($H_0, \Omega_m$) dominaient ; avec le CMB, les paramètres d'énergie noire ($w_0, w_a$) sont devenus les plus contraints, reflétant le resserrement physique des contours.

Signification et Revendications
L'article affirme présenter un cadre général, interprétable et physiquement cohérent pour l'inférence basée sur la vraisemblance. Sa signification principale réside dans la démonstration que :

• Efficacité : Les modèles de substitution ML peuvent accélérer l'exploration de l'espace des paramètres de plusieurs ordres de grandeur (jusqu'à $10^5$) tout en maintenant une haute précision.
• Robustesse : La méthode gère des topologies de vraisemblance diverses, des surfaces lisses de type gaussien aux paysages non gaussiens, discontinus et hautement structurés, grâce à des conceptions d'entraînement adaptatives et des transformations de cible.
• Transparence : En intégrant les valeurs SHAP, le cadre évite la nature de « boîte noire » typique du ML, garantant que les hiérarchies et corrélations de paramètres inférées sont physiquement interprétables et cohérentes avec la théorie sous-jacente.
• Validation : L'application cosmologique sert de test de contrôle, prouvant que l'accélération ne se fait pas au détriment de la précision statistique, car les postériorités emulées sont indiscernables de celles dérivées des calculs exacts.

Les auteurs concluent que ce cadre est facilement transférable à d'autres problèmes d'ajustement global et offre une base pour les développements futurs de l'apprentissage actif automatisé et des émulateurs différentiables.