Machine learning method for enforcing variable independence in background estimation with LHC data: ABCDisCoTEC

Nel mondo ad alta posta in gioco della fisica delle particelle, gli scienziati agiscono come detective cosmici, setacciando miliardi di minuscole collisioni per trovare un singolo evento raro che potrebbe rivelare una nuova legge della natura. Queste collisioni avvengono all'interno del Large Hadron Collider, un enorme anello sepolto sotto il confine tra Svizzera e Francia, dove fasci di protoni si scontrano a una velocità prossima a quella della luce. Lo spray di particelle risultante viene registrato da rivelatori come il CMS, creando una montagna di dati. La sfida non è solo trovare la nuova particella, nota come segnale, ma conoscere accuratamente l'aspetto del rumore di fondo. Se il fondo viene stimato in modo errato, uno scienziato potrebbe scambiare una comune fluttuazione per una scoperta o, peggio, perdere una vera scoperta nascosta nel rumore. Tradizionalmente, i fisici hanno utilizzato un trucco ingegnoso chiamato metodo "ABCD" per stimare questo fondo. Dividono i loro dati in quattro scatole basate su due diverse misurazioni. Se le due misurazioni sono completamente indipendenti l'una dall'altra, il numero di eventi di fondo nella scatola del "segnale" vuota può essere previsto moltiplicando i conteggi nelle altre tre scatole. È un modo affidabile per usare dati reali per indovinare l'aspetto del fondo, ma ha un difetto fatale: funziona solo se quelle due misurazioni sono veramente indipendenti.

Trovare due misurazioni indipendenti di questo tipo è incredibilmente difficile. Nella complessa caos di una collisione di particelle, quasi tutto è sottilmente connesso. Se le due misurazioni utilizzate per classificare i dati hanno anche un minimo legame tra loro, la previsione fallisce e la stima del fondo diventa inaffidabile. Per anni, i fisici hanno lottato per trovare la coppia giusta di variabili manualmente, un processo lento, difficile e spesso infruttuoso quando il segnale è molto simile al fondo. Un ricercatore della Collaborazione CMS al CERN ha ora sviluppato una nuova soluzione che automatizza questo compito difficile utilizzando l'apprendimento automatico. Ha creato un sistema che insegna a un computer di inventare le proprie due misurazioni, assicurando che siano indipendenti pur essendo eccellenti nel individuare il segnale. Questo nuovo approccio, che chiamano ABCDisCoTEC, permette di stimare il fondo direttamente dai dati osservati con una precisione molto più elevata, riducendo la necessità di fare affidamento su imperfette simulazioni al computer.

Il cuore di questa innovazione risiede nel modo in cui il modello di apprendimento automatico viene addestrato. In passato, i ricercatori utilizzavano un metodo chiamato ABCDisCo, che insegnava a una rete neurale a produrre due output statisticamente indipendenti. Tuttavia, questo metodo aveva un punto cieco. Poteva garantire che i due output fossero non correlati, ma non poteva garantire che gli eventi di fondo si distribuissero uniformemente attraverso i dati, il che è un requisito rigoroso affinché il metodo ABCD funzioni correttamente. Il nuovo metodo ABCDisCoTEC corregge questo problema aggiungendo un'istruzione specifica al processo di addestramento. Al computer viene ora ordinato di non solo rendere i due output indipendenti, ma anche di minimizzare la "non-chiusura". In termini semplici, la non-chiusura è l'errore che si verifica quando la previsione proveniente dalle tre scatole di fondo non corrisponde al numero effettivo di eventi trovati nella scatola del segnale. Insegnando direttamente alla rete a ridurre questo errore, il sistema impara a organizzare i dati in modo che la stima del fondo sia matematicamente solida.

Per testare questa idea, il ricercatore l'ha applicata alla ricerca di una particella ipotetica chiamata "top squark supersimmetrico stealth". Questa particella è una compagna del quark top, una particella pesante già nota per esistere, ma è prevista da teorie che vanno oltre la nostra attuale comprensione della fisica. Il problema nel trovare questa specifica particella è che appare quasi identica al rumore di fondo creato dalle coppie di quark top standard. Nelle ricerche precedenti, l'incertezza su quanto bene fosse modellato il fondo limitava la capacità di trovare un segnale. Il nuovo metodo è stato messo alla prova utilizzando dati simulati che imitano le condizioni del Large Hadron Collider. I risultati hanno mostato che il modello ABCDisCoTEC ha creato con successo due nuove variabili che sono indipendenti tra loro e ha migliorato notevolmente la stabilità e la robustezza della disposizione del fondo. Ciò ha permesso al ricercatore di prevedere il fondo nella regione del segnale con alta precisione, migliorando significativamente la sensibilità della ricerca, con dettagli specifici e risultati della ricerca documentati in un riferimento separato.

Un ostacolo importante nell'uso di tali complessi modelli di apprendimento automatico è la regolazione di molti pomelli e manopole, noti come iperparametri, che controllano come la rete impara. Di solito, gli scienziati devono indovinare queste impostazioni o eseguire migliaia di tentativi per trovare la combinazione giusta, un processo che è lungo e soggetto a errori. Il documento introduce anche una seconda innovazione per risolvere questo problema: una tecnica matematica chiamata metodo dei moltiplicatori differenziali modificato. Invece di indovinare l'equilibrio giusto tra i diversi obiettivi dell'addestramento, questo metodo tratta i requisiti come vincoli rigorosi. Forza la rete a trovare una soluzione che soddisfi obiettivi specifici di indipendenza e accuratezza del fondo senza dover cercare manualmente tra infinite possibilità. Questo approccio si è dimostrato molto più veloce e stabile rispetto ai metodi tradizionali, convergendo verso la soluzione ottimale in una frazione del tempo.

Il ricercatore ha poi validato le sue scoperte applicando il metodo a dati reali raccolti dal Large Hadron Collider. Ha definito regioni specifiche nei dati, separate dall'area di ricerca principale, per controllare se il metodo funzionasse correttamente su eventi di collisione reali. I risultati hanno mostrato che il comportamento del fondo nei dati reali corrispondeva al comportamento visto nelle simulazioni, con l'errore di non-chiusura che rimaneva piccolo e costante nelle regioni di validazione. Questa validazione è fondamentale perché conferma che il metodo è abbastanza robusto da essere utilizzato in analisi fisiche del mondo reale, dimostrando che il modello di apprendimento automatico ha appreso la struttura sottostante dei dati reali all'interno di queste specifiche regioni di test.

Le implicazioni di questo lavoro si estendono ben oltre questa singola ricerca di una nuova particella. Il metodo ABCDisCoTEC rappresenta un passo avanti significativo nell'automazione dell'analisi dei dati dell'alta energia fisica. Consentendo ai fisici di stimare i fondi direttamente dai dati osservati con alta precisione, riduce la dipendenza dalle simulazioni teoriche, che possono talvolta essere imprecise. Ciò porta a misurazioni più affidabili e a una maggiore possibilità di individuare segni sottili di nuova fisica. La combinazione del nuovo metodo di addestramento e della tecnica di ottimizzazione avanzata fornisce un potente toolkit per i futi esperimenti. Dimostra che l'apprendimento automatico può essere utilizzato non solo per classificare i dati, ma per migliorare fondamentalmente i metodi statistici utilizzati per interpretare le collisioni più complesse dell'universo. Mentre il Large Hadron Collider continua a raccogliere dati, questi strumenti saranno essenziali nella continua ricerca per comprendere i blocchi fondamentali della realtà.