Calibration of electromagnetic shower features in the CMS calorimeter with machine-learning techniques

उच्च-ऊर्जा भौतिकी की दुनिया में, वैज्ञानिक केवल कणों को देखते नहीं हैं; वे उन्हें अपने मन में बनाते हैं। यह समझने के लिए कि जब प्रोटॉन लगभग प्रकाश की गति से आपस में टकराते हैं तो क्या होता है, शोधकर्ता विशाल कंप्यूटर सिमुलेशन पर भरोसा करते हैं। ये डिजिटल मॉडल वास्तविकता के एक दर्पण की तरह कार्य करते हैं, जो भविष्यवाणी करते हैं कि कणों को कैसे व्यवहार करना चाहिए, उन्हें कैसे बिखरना चाहिए, और उन्हें डिटेक्टर पर अपनी छाप कैसे छोड़नी चाहिए। यदि सिमुलेशन वास्तविक डेटा से मेल खाता है जो विशाल मशीनों द्वारा एकत्र किया गया है, तो वैज्ञानिक मॉडल पर ब्रह्मांड के रहस्यों को उजागर करने के लिए भरोसा कर सकते हैं। लेकिन यदि सिमुलेशन थोड़ा भी गलत है—यदि यह इस बात का गलत प्रतिनिधित्व करता है कि एक कण ऊर्जा का प्रवाह (शॉवर) कैसे करता है या डिटेक्टर सामग्री के साथ कैसे अंतःक्रिया करता है—तो वे छोटी त्रुटियां बड़ी गलतियों में बदल सकती हैं, जो नई खोजों को छिपा सकती हैं या झूठी खोजें पैदा कर सकती हैं। लक्ष्य हमेशा डिजिटल दर्पण को यथासंभव पूर्ण बनाना होता है, ताकि जब एक वैज्ञानिक डेटा में कोई संकेत देखे, तो वह जान सके कि वह वास्तविक है न कि केवल कोड की कोई गड़बड़ी।

यह CMS सहयोग (CMS Collaboration) द्वारा सामना की जाने वाली चुनौती है, जो CERN में कॉम्पैक्ट म्यूऑन सोलिनॉइड डिटेक्टर के साथ काम करने वाली भौतिकविदों की एक टीम है। एक हालिया अध्ययन में, उन्होंने एक निरंतर समस्या का समाधान किया: विद्युत चुम्बकीय शॉवर (इलेक्ट्रॉन और फोटॉन द्वारा उत्पन्न ऊर्जा के झरने) के उनके कंप्यूटर सिमुलेशन—2022 में प्रोटॉन-प्रोटॉन टकरावों के दौरान एकत्र किए गए वास्तविक दुनिया के डेटा से पूरी तरह मेल नहीं खाते थे। विसंगतियां सूक्ष्म लेकिन महत्वपूर्ण थीं, विशेष रूप से ऊर्जा जमा होने के आकार और कणों के अपने परिवेश से कितने अलग (isolated) थे, इसके संदर्भ में। इसे ठीक करने के लिए, टीम ने मशीन लर्निंग की ओर रुख किया, उनके भौतिकी मॉडल को बदलने के लिए नहीं, बल्कि सिमुलेशन को यह सिखाने के लिए कि वे वास्तविक चीज़ों की तरह कैसे दिखें। उन्होंने डिजिटल घटनाओं को पुन: अंशांकित (recalibrate) करने के लिए दो अलग-अलग विधियाँ विकसित कीं, प्रभावी रूप से कंप्यूटर को डेटा के विश्लेषण से पहले ही अपनी गलतियों को सुधारने के लिए प्रशिक्षित किया।

शोधकर्ताओं ने घटनाओं के एक स्वच्छ, सुव्यवस्थित नमूने के साथ शुरुआत की: एक ज़ेड (Z) बोसोन का एक इलेक्ट्रॉन और एक पॉज़िट्रॉन में क्षय। इन विशिष्ट घटनाओं को चुनकर, वे अन्य कण अंतःक्रियाओं के शोर से मुक्त, विद्युत चुम्बकीय शॉवर की एक शुद्ध धारा को अलग कर सके। फिर उन्होंने अपने सिमुलेशन में इन शॉवर की विशेषताओं की तुलना CMS डिटेक्टर द्वारा एकत्र किए गए वास्तविक डेटा में देखी गई विशेषताओं से की। डेटा 13.6 टेरा-इलेक्ट्रॉन-वोल्ट की केंद्र-द्रव्यमान ऊर्जा पर 26.7 इनवर्स फेमटोबार्न के टकरावों से आया था। सिमुलेशन, हालांकि सामान्य रूप से अच्छा था, लेकिन इसमें विचलन दिखा कि ऊर्जा डिटेक्टर क्रिस्टल में कैसे फैली और कितनी ऊर्जा आसपास के क्षेत्रों में लीक हुई। इन अंतरों का अर्थ था कि कंप्यूटर के कण पहचान एल्गोरिदम, जो यह तय करते हैं कि कोई संकेत एक वास्तविक इलेक्ट्रॉन है या पृष्ठभूमि का नकल करने वाला (background mimic), उन्हें थोड़ी गलत जानकारी दी जा रही थी।

इस अंतर को पाटने के लिए, टीम ने दो अलग-अलग मशीन-लर्निंग तकनीकों को लागू किया। पहला दृष्टिकोण, जिसे 'रीवेटिंग' (reweighting) कहा जाता है, प्रत्येक एकल सिम्युलेटेड घटना को एक नया महत्व स्कोर असाइन करके काम करता है। कल्पना कीजिए कि एक कक्षा में शिक्षक छात्रों से पूछते हैं कि यदि वे एक निश्चित विवरण में फिट बैठते हैं तो हाथ उठाएं। यदि सिमुलेशन में उस विवरण में फिट बैठने वाले छात्रों की संख्या वास्तविक कक्षा की तुलना में बहुत कम है, तो शिक्षक उन कुछ छात्रों को कहता है कि वे दो या तीन लोगों के रूप में गिने जाएं। इसी तरह, मशीन लर्निंग क्लासिफायर ने सिमुलेशन और वास्तविक डेटा के बीच अंतर करना सीखा। फिर इसने एक अनुपात की गणना की, प्रभावी रूप से सिमुलेशन को बताया, "यह घटना वास्तविक डेटा की तरह दिखती है, इसलिए इसे अधिक गिनें," या "यह बहुत अलग दिखती है, इसलिए इसे कम गिनें।" इस विधि ने घटना को बदले बिना उसके होने की संभावना को समायोजित किया, जिससे एक निरंतर सुधार (continuous correction) बना जो विशेषताओं के एक जटिल, उच्च-आयामी स्थान में लागू किया जा सकता था।

दूसरी विधि, जिसे 'नॉर्मलाइजिंग फ्लो' (normalizing flow) के रूप में जाना जाता है, ने अधिक सीधा रास्ता अपनाया। केवल यह बदलने के बजाय कि एक घटना कितनी गिनती जाती है, इस तकनीक ने सिमुलेशन के भीतर विशेषताओं के मूल्यों को भौतिक रूप से बदल दिया। इसने एक गणितीय रूपांतरण सीखा जो सिम्युलेटेड शॉवर के वितरण को वास्तविक शॉवर के वितरण में बदलने में सक्षम था। यदि एक सिम्युलेटेड शॉवर बहुत संकीमित था, तो 'फ्लो' उसे फैला देगा; यदि वह बहुत अलग-थलग था, तो 'फ्लो' उसे उसके पड़ोसियों के करीब लाएगा। यह प्रक्रिया मिट्टी को आकार देने जैसी थी: सामग्री वही रहती है, लेकिन उसका रूप मोल्ड (सांचे) से मेल खाने के लिए समायोजित किया जाता है। महत्वपूर्ण रूप से, यह रूपांतरण घटना के काइनेमैटिक गुणों, जैसे कि कण के संवेग (momentum) और स्थिति पर आधारित होने के लिए सीखा गया था, जिससे यह सुनिश्चित हुआ कि सुधार सही ढंग से लागू किया जाए चाहे कण कहीं भी या कितनी भी गति से चल रहा हो।

दोनों विधियों का परीक्षण डेटा के एक अलग सेट पर किया गया जिसे एल्गोरिदम ने प्रशिक्षण के दौरान नहीं देखा था। परिणाम आश्चर्यजनक थे। सुधार से पहले, सिम्युलेटेड कण पहचान स्कोर वास्तविक डेटा के साथ स्पष्ट बेमेल दिखाते थे, विशेष रूप से वितरण के पूंछ वाले हिस्सों (tails) में जहाँ दुर्लभ घटनाएँ होती हैं। रीवेटिंग या नॉर्मलाइजिंग फ्लो सुधार लागू करने के बाद, सिमुलेशन और डेटा के बीच सहमति नाटकीय रूप से सुधर गई। वितरण के आकार संरेखित हो गए, और विसंगतियां जिन्हें पहले वैज्ञानिक मापों में बड़े सुरक्षा मार्जिन की आवश्यकता थी, काफी कम हो गईं। शोधकर्ताओं ने पाया कि दोनों तकनीकों ने उच्च-आयामी विशेषता स्थान को सफलतापूर्वक सुधारा, जिसमें न केवल व्यक्तिगत चर बल्कि उनके बीच के जटिल सहसंबंधों को भी पकड़ा गया।

हालाँकि, दोनों विधियों की अलग-अलग ताकतें और सीमाएं थीं। रीवेटिंग विधि सिमुलेशन की समग्र संरचना को बनाए रखते हुए भार (weights) को समायोजित करने में उत्कृष्ट थी, लेकिन यह कभी-कभी उन क्षेत्रों में संघर्ष कर सकती थी जहाँ सिमुलेशन और डेटा बहुत भिन्न थे, जिससे बड़े वेट सुधार हुए जिससे नमूने की सांख्यिकीय शक्ति कम हो गई। कुछ मामलों में, टीम को बड़े उतार-चढ़ाव को रोकने के लिए प्रशिक्षण से कुछ विशेषताओं को बाहर करना पड़ा। दूसरी ओर, नॉर्मलाइजिंग फ्लो विधि सीधे डेटा को नया आकार देकर बड़े अंतरों को अधिक सहजता से संभालने में सक्षम थी, लेकिन इसके लिए यह आवश्यक था कि सुधारा गया डेटा कण पहचान एल्गोरिदम के माध्यम से पुन: मूल्यांकित किया जाए, जिससे प्रक्रिया में एक अतिरिक्त चरण जुड़ गया। इसके अलावा, जबकि रीवेटिंग विधि ने घटना के मूल्यों को अछूता रखकर भौतिकी के नियमों को स्वाभाविक रूप से संरक्षित किया, नॉर्मलाइजिंग फ्लो विधि को सावधानीपूर्वक निगरानी की आवश्यकता थी ताकि यह सुनिश्चित हो सके कि यह अप्राकृतिक (unphysical) विन्यास न बनाए, हालाँकि टीम ने पाया कि उनका विशिष्ट अनुप्रयोग के लिए यह जोखिम नगण्य था।

अध्ययन ने प्रदर्शित किया कि इन मशीन-लर्निंग तकनीकों को वास्तविक टकराव डेटा पर सफलतापूर्वक लागू किया जा सकता है, जो केवल सिम्युलेटेड छद्म-डेटा (pseudo-data) पर निर्भर पिछले परीक्षणों से एक महत्वपूर्ण कदम है। सिमुलेशन को डेटा से मिलाने के लिए सुधार करके, शोधकर्ताओं ने दिखाया कि वे उन व्यवस्थित अनिश्चितताओं (systematic uncertainties) को कम कर सकते हैं जो आमतौर पर ऐसे मापों को प्रभावित करती हैं। इसका अर्थ है कि भविष्य के विश्लेषण, जैसे कि दो फोटॉन में क्षय होने वाले हिग्स बोसोन की खोज, अधिक सटीकता के साथ किए जा सकते हैं। इस कार्य ने यह भी रेखांकित किया कि सिमुलेशन कहाँ विफल होता है, इसकी पहचान करना कितना महत्वपूर्ण है; एल्गोरिदम द्वारा आवश्यक बड़े सुधारों ने सीधे डिटेक्टर मॉडलिंग में विशिष्ट क्षेत्रों की ओर इशारा किया, जैसे कि हैड्रोनिक कैलोरीमीटर में शोर की सीमाएं (noise thresholds), जिन्हें टीम बाद के सिमुलेशन संस्करणों के लिए ठीक करने में सक्षम हुई।

अंततः, यह शोध कण भौतिकविदों को एक नया टूलकिट प्रदान करता है। यह दिखाता है कि मशीन लर्निंग केवल कणों को वर्गीकृत करने के लिए ही नहीं है; यह एक अंशांकन (calibration) उपकरण के रूप में कार्य कर सकती है, सिमुलेशन को वास्तविकता के प्रति अधिक ईमानदार होने के लिए सिखा सकती है जिसका वह वर्णन करने का प्रयास कर रहा है। उच्च-आयामी स्थानों में निरंतर, अनबिन्ड (unbinned) सुधार प्रदान करके, ये विधियाँ वैज्ञानिकों को सरल, बिन्डेड समायोजनों से आगे बढ़ने की अनुमति देती हैं जो अक्सर जटिल डेटा की बारीकियों को चूक जाते हैं। CMS डिटेक्टर में इन तकनीकों की सफलता बताती है कि वे विश्लेषण श्रृंखला का एक मानक हिस्सा बन जाएंगे, जो नए भौतिकी की खोज पर ध्यान केंद्रित करने में मदद करेंगे और यह सुनिश्चित करेंगे कि वैज्ञानिकों द्वारा पाए गए संकेत जितने स्पष्ट और विश्वसनीय हों। पेपर यह निष्कर्ष निकालता है कि हालांकि ये विधियाँ शक्तिशाली हैं, उन्हें सावधानी से लागू किया जाना चाहिए, उनकी विशिष्ट सीमाओं और उस डेटा की प्रकृति को समझना चाहिए जिसे वे सुधार रहे हैं, ताकि यह सुनिश्चित हो सके कि डिजिटल दर्पण उच्चतम संभव निष्ठा के साथ ब्रह्मांड को प्रतिबिंबित करे।