HS3: A Descriptive, Interoperable Serialization Standard for Statistical Models in High-Energy Physics

Questo articolo introduce HS3, un nuovo standard di serializzazione indipendente dall'implementazione, leggibile dall'uomo ed estensibile, progettato per fornire un formato universale e conforme ai principi FAIR per la rappresentazione e lo scambio di modelli statistici nella fisica delle alte energie, superando così i limiti degli esistenti formati specifici per il software.

L'essenziale

Immaginate che la fisica delle alte energie (lo studio di particelle minuscole come quelle al Large Had Collider) sia come una massiccia competizione culinaria globale. Per decenni, gli chef (gli scienziati) hanno creato ricette incredibili (modelli statistici) per spiegare come funziona l'universo. Tuttavia, c'era un problema maggiore: ogni chef scriveva la propria ricetta in una lingua diversa e segreta.

Alcuni scrivevano in "ROOT", un codice complesso che solo computer specifici potevano leggere. Altri scrivevano in "pyhf", un formato più semplice, facile da leggere per gli umani, ma che non era in grado di gestire ogni tipo di piatto. Se volevate combinare due ricette per preparare un pasto più grande, o se volevate leggere una ricetta di 10 anni fa su un nuovo computer, spesso era impossibile. Le ricette erano come appunti scritti a mano su tovaglioli che potevano marcire se l'inchiostro sbiadiva o la carta si bagnava.

Entra in scena HS3: Il Ricettario Universale

Questo articolo presenta HS3 (High-Energy Physics Statistics Serialization Standard). Pensate a HS3 come a un nuovo linguaggio universale per le ricette che risolve tutti questi problemi.

Ecco come funziona, usando analogie semplici:

1. Il linguaggio "Descrittivo" (Il Menù, non lo Chef)

Prima, alcuni formati di ricette erano come dare a un robot una lista di istruzioni rigide e passo dopo passo (ad esempio, "Gira a sinistra, poi mescola per 3 secondi"). Se il robot si rompeva, la ricetta diventava inutile.
HS3 è diverso. È descrittivo. Non dice al computer come cucinare; descrive solo che cos'è il piatto. Dice: "Questa è una zuppa Gaussiana" oppure "Questo è uno stufato di Poisson".

• L'analogia: Immaginate un menù che elenca ingredienti e sapori, ma non si cura se lo cuciniate in una cucina francese, in una cucina giapponese o in un microonde. Poiché descrive solo il piatto, qualsiasi chef (qualsiasi programma per computer) può leggerlo e cucinarlo a modo suo.

2. La struttura "LEGO" (Blocchi Costruttivi)

L'articolo spiega che HS3 costruisce i modelli come un grafo computazionale, che è solo un modo elaborato per dire "una mappa di blocchi LEGO".

• Avete dei blocchi per gli ingredienti (dati).
• Avete dei blocchi per le regole (funzioni).
• Avete dei blocchi per il piatto finale (verosimiglianza/likelihood).
• La magia: Potete incastrare questi blocchi insieme in un modo chiaro e logico. Se volete cambiare un ingrediente, basta sostituire quel singolo blocco. Non dovete ricostruire l'intera torre. Questo rende facile vedere come è composto l'intero modello, anche se si tratta di una struttura gigante e complessa.

3. La funzione "Viaggio nel Tempo" (Preservazione a Lungo Termine)

Una delle maggiori preoccupazioni nella scienza è: "Saremo in grado di leggere i nostri dati tra 50 anni?"

• Il vecchio modo: Se salvate un file in una versione specifica di un programma, e quel programma scompare tra 10 anni, il vostro file è un "fossile digitale": illeggibile.
• Il modo HS3: Poiché HS3 è scritto in un formato semplice e leggibile dagli umani (come il JSON, che assomiglia a testo semplice), non dipende da alcun software specifico. Anche se tutti i computer attuali si rompessero, un essere umano potrebbe teoricamente leggere il file HS3 e comprenderne la ricetta. È come scrivere una ricetta in inglese invece che in un codice segreto; sopravvive alla morte degli strumenti usati per scriverla.

4. Il "Traduttore" (Interoperabilità)

L'articolo mostra che HS3 agisce come un traduttore universale.

• Può prendere una ricetta scritta nel vecchio linguaggio "ROOT" e tradurla in HS3.
• Può prendere una ricetta da "pyhf" e tradurla in HS3.
• Può persino tradurre all'indietro.
• Il risultato: Uno scienziato che usa un computer Python può ora condividere un modello con uno scienziato che usa un computer C++, e possono entrambi comprenderlo perfettamente. Possono persino controllare se stanno ottenendo gli stessi risultati, come due chef che assaggiano la stessa zuppa per assicurarsi che la ricetta sia coerente.

5. Perché questo è importante ora

L'articolo sostiene che il campo della fisica si sta spostando dal semplice "trovare nuove particelle" al "misurarle con estrema precisione". Ciò richiede di combinare molti diversi esperimenti e modelli.

• Il problema: Non si possono combinare le ricette se sono scritte in lingue diverse.
• La soluzione: HS3 permette di combinare facilmente questi modelli, controllarli per eventuali errori e pubblicarli in modo che chiunque (anche persone esterne al team originale) possa usarli per testare nuove teorie.

Riassunto

In breve, HS3 è un nuovo standard per scrivere le "ricette matematiche" della fisica delle particelle. È:

• Leggibile dagli umani: Potete leggerlo con i vostri occhi, non solo con una macchina.
• Universale: Funziona attraverso diversi linguaggi di programmazione e software.
• A prova di futuro: Garantisce che le scoperte scientifiche di oggi possano essere comprese e riutilizzate dalle generazioni future, indipendentemente dalla tecnologia che utilizzeranno.

L'articolo afferma che questo standard è già utilizzato per pubblicare dati, controllare i risultati tra diversi programmi per computer e persino per aiutare gli studenti a imparare la statistica. È il primo passo verso il rendere la "biblioteca della fisica" veramente aperta e accessibile a tutti.

Sommario tecnico

Sintesi Tecnica: HS3 – Uno Standard di Serializzazione Descrittivo e Interoperabile per i Modelli Statistici nella Fisica delle Alte Energie

Problematica
I modelli statistici nella Fisica delle Alte Energie (HEP) sono gli artefatti scientifici primari che codificano la relazione tra dati osservati, parametri fisici e incertezze. Sebbene l'inferenza basata sulla verosimiglianza (likelihood) sia centrale per le misurazioni di precisione, i fit di Teoria dei Campi Efficaci (EFT) e le combinazioni di analisi incrociate, l'attuale ecosistema per la rappresentazione di questi modelli è frammentato. I formati esistenti, come i workspace di ROOT, i file JSON di pyhf e i CMS DataCards, sono legati a specifici stack software (ad esempio, C++/ROOT, Python). Ciò crea barriere significative all'interoperabilità, alla validazione e alla preservazione a lungo termine. I workspace di ROOT sono binari e dipendenti dalla versione; il JSON di pyhf è leggibile dall'uomo ma limitato nell'ambito rispetto a RooFit; e i CMS DataCards si affidano a specifiche implementazioni in C++. Di conseguenza, la conversione tra formati è fragile, la validazione cross-framework è difficile e l'usabilità a lungo termine dei modelli è minacciata dall'obsolescenza del software.

Metodologia e Principi di Design
Gli autori introducono HS3 (High-Energy Physics Statistics Serialization Standard), un formato di serializzazione indipendente dall'implementazione, leggibile dall'uomo ed estendibile. Il design è guidato da diversi principi fondamentali:

• Linguaggio Specifico di Dominio (DSL) Descrittivo: HS3 è una specifica dichiarativa di strutture matematiche (distribuzioni, funzioni, parametri, dataset) piuttosto che una codifica della logica di esecuzione. Separa la semantica matematica dall'implementazione algoritmica, permettendo a diversi motori di inferenza di interpretare lo stesso modello.
• Rappresentazione del Grafo Computazionale: I modelli sono rappresentati come grafi aciclici diretti (DAG) dove i nodi sono distribuzioni, funzioni o dati nominati, e gli archi rappresentano le dipendenze. Lo standard supporta una granularità ibrida, consentendo sia nodi composti ad alto livello (ad esempio, histfactory_dist per modelli basati su template) sia operazioni elementari a basso livello. Ciò preserva la struttura semantica abilitando al contempo le ottimizzazioni del backend.
• Interoperabilità e Completezza: HS3 è progettato per essere semanticamente completo rispetto a RooFit (il framework più espressivo attuale) pur mantenendo la leggibilità del JSON di pyhf. Mira a supportare sia verosimiglianze binate che non binate, modelli composti gerarchici e distribuzioni estese.
• Leggibilità Umana e di Macchina: Il formato canonico è il JSON, scelto per i suoi strumenti maturi e la sua struttura esplicita. Tutti gli oggetti sono nominati in modo univoco per garantire riferimenti inequivocabili, facilitando il controllo di versione e la modifica incrementale.
• Principi FAIR: Lo standard si allinea ai principi di Trovabilità, Accessibilità, Interoperabilità e Reusability (FAIR), utilizzando identificatori persistenti e formati aperti per garantire che i modelli rimangano utilizzabili man mano che gli ambienti software evolvono.

Struttura dello Standard
Un documento HS3 è organizzato in sezioni di alto livello contenenti oggetti indicizzati:

• Distribuzioni: Fondamentali (ad esempio, Gaussiana, Poissoniana) e distribuzioni composte.
• Funzioni: Trasformazioni matematiche deterministiche (elementari o definite dall'utente).
• Dati: Dataset osservati o simulati (binati o non binati).
• Verosimiglianze (Likelihoods): Oggetti che combinano distribuzioni e dataset.
• Domini: Definizioni degli intervalli dei parametri, tipi (continui/discreti) e vincoli.
• Punti dei Parametri: Insiemi nominati di valori per benchmark o punti di partenza.
• Analisi: Prescrizioni di alto livello che definiscono i parametri di interesse (POI), i parametri di disturbo (nuisance parameters) e le statistiche di test.
• Metadati: Provenienza, versionamento e autore.
• Misc: Suggerimenti non normativi per la visualizzazione o la configurazione.

Contributi Chiave e Implementazioni
Il documento dettaglia lo sviluppo di HS3 e la sua integrazione con i framework esistenti:

1. Integrazione ROOT/RooFit: Una libreria integrata in ROOT 6.36 consente la conversione bidirezionale tra oggetti RooWorkspace e HS3 JSON, preservando nomi, parametri e normalizzazione. Questo funge da implementazione di riferimento.
2. CMS Combine e DataCards: I DataCards possono essere analizzati in RooWorkspaces e successivamente esportati in HS3. La natura modulare di HS3 permette la futura inclusione di costrutti di modellazione specifici di CMS.
3. Compatibilità con pyhf: I modelli JSON di pyhf possono essere tradotti in HS3 promuovendo i canali a nodi histfactory_dist. Viceversa, semplici modelli HS3 possono essere convertiti in JSON di pyhf.
4. Implementazioni Cross-Linguaggio:
   • pyhs3: Un pacchetto pure-Python che fornisce parser, validatori e strumenti per costruire modelli HS3, garantendo la coerenza con ROOT.
   • HS3.jl: Un'implementazione in Julia che offre parsing ad alte prestazioni e strutture dati native, facilitando l'integrazione con gli strumenti JuliaHEP e l'inferenza basata su gradienti.

Risultati e Prime Applicazioni
Il documento presenta la validazione precoce e l'applicazione dello standard:

• Cross-Validazione: La Figura 1 dimostra un buon accordo tra le curve di profilo di verosimiglianza generate dall'implementazione C++ di ROOT e l'implementazione Python di pyhs3 per una misura ATLAS V H, validando la coerenza numerica tra i framework.
• Integrazione con HEPData: HEPData supporta ora HS3 tramite un sistema di "badge". Diverse analisi ATLAS (misure dell'Higgs, ricerche di nuova fisica, analisi SM) sono state pubblicate con verosimiglianze basate su HS3, permettendo agli utenti esterni di ricostruire i modelli senza specifici stack software.
• Analisi Combinate: Studi di prova di concetto mostrano che più verosimiglianze pubbliche possono essere combinate in un singolo modello senza riscrittura manuale, sfruttando la codifica esplicita di nomi dei parametri e vincoli di HS3.
• Progetto DEMOS: HS3 è stato selezionato come formato di riferimento per il progetto DEMOS, che mira a unificare la modellazione statistica tra la fisica delle particelle, l'astrofisica delle particelle e la fisica nucleare.
• Educazione: La natura leggibile da parte dell'uomo di HS3 lo rende adatto per l'insegnamento dell'inferenza statistica, fungendo da ponte tra i materiali concettuali e le analisi scientifiche complete.

Significatività e Rivendicazioni
Gli autori sostengono che HS3 stabilisca le fondamenta per modelli statistici FAIR e longevi all'LHC e oltre. Decoupling (disaccoppiando) le definizioni dei modelli dai motori di inferenza specifici e dai linguaggi di programmazione, HS3 affronta la necessità critica di riproducibilità, reinterpretazione e preservazione a lungo termine in un'era dominata dalle incertezze sistematiche e dai complessi fit globali. Il documento afferma che HS3 fornisce un linguaggio stabile, estendibile e indipendente dal framework che può evolversi per soddisfare le esigenze della comunità scientifica più ampia, potenzialmente diventando per i modelli statistici ciò che i file .root sono per l'archiviazione dei dati: una rappresentazione duratura, portabile e universalmente scambiabile. Lo standard non è presentato come una soluzione finale e immutabile, ma come un framework vivente governato dal consenso della comunità e dal versionamento per garantire la compatibilità allata e il miglioramento continuo.