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

Sintesi Tecnica: Surrogati basati su Flow per Verosimiglianze ad alta dimensionalità nella fisica sperimentale dei neutrini

Problematica
Gli esperimenti di precisione sui neutrini a lungo raggio dipendono dai dati del rivelatore vicino per vincolare le incertezze sistematiche (parametri di disturbo) che influenzano il flusso di neutrini non oscillato. Questi vincoli sono essenziali per le misurazioni accurate dei parametri di oscillazione nei rivelatori lontani e per le analisi congiunte tra più esperimenti. Tuttavia, le funzioni di verosimiglianza vincolate in questi scenari sono spesso ad alta dimensionalità (ad esempio, $\sim 100$ parametri) e non gaussiane a causa di dipendenze non lineari tra i parametri, confini fisici e statistiche limitate.

I metodi di propagazione attuali affrontano un vuoto metodologico:

1. Approssimazioni Gaussiane Post-fit: Sono portatili e in forma chiusa, ma assumono una log-verosimiglianza quadratica, fallendo nel catturare code asimmetriche, correlazioni curve e modi non gaussiani, il che può introdurre bias.
2. Markov Chain Monte Carlo (MCMC): Sebbene siano asintoticamente esatti e fedeli alla struttura della verosimiglianza, i campioni MCMC non sono funzioni continue in forma chiusa, rendendo difficile l'inserimento diretto nelle verosimiglianze a valle per l'ottimizzazione basata sul gradiente o per il riutilizzo efficiente.
3. Implementazioni Complete della Verosimiglianza: Sono accurate, ma richiedono l'accesso a software, dati e infrastrutture specifiche, rendendole impraticabili per la propagazione portabile dei vincoli.

Metodologia
Gli autori propongono l'uso di Normalizing Flows (NF) come modelli surrogati espliciti e portatili per le verosimiglianze sistematiche ad alta dimensionalità. L'approccio apprende una mappa invertibile $f_\theta$ che trasforma una semplice distribuzione di base nella densità di verosimiglianza sistematica target $p(\eta) \propto \mathcal{L}(\eta)$.

• Architettura Ibrida: Per bilanciare l'espressività e il costo computazionale in dimensioni elevate, gli autori impiegano un'architettura ibrida che partiziona i parametri di disturbo $\eta$ in due blocchi:

  • $\eta_B$ (Alta dimensionalità, approssimativamente lineare): Modellato utilizzando layer di accoppiamento (blocchi di accoppiamento affine). Questi forniscono inversioni analitiche veloci in un unico passaggio e valutazioni di densità, adatti alla maggior parte dei parametri che esibiscono un comportamento lineare.
  • $\eta_A$ (Bassa dimensionalità, altamente non lineare): Modellato tramite Rational Quadratic Neural Spline Flows (RQ-NSF) autoregressivi condizionali. Questo blocco cattura caratteristiche non gaussiane complesse. La struttura autoregressiva è condizionata da $\eta_B$ per preservare le correlazioni incrociate, limitando al contempo il calcolo autoregressivo costoso al blocco più piccolo e difficile.
  • Inizializzazione: Il flow viene inizializzato utilizzando l'approssimazione gaussiana post-fit (punto di miglior adattamento e matrice di covarianza da un fit standard) per fornire una forte proposta di distribuzione iniziale e campioni di addestramento.

• Strategia di Addestramento: Il modello viene addestrato minimizzando una divergenza di Kullback-Leibler (KL) simmetrica tra la verosimiglianza target e l'approssimazione del flow. Per gestire l'alta dimensionalità e il costo delle valutazioni della verosimiglianza, viene utilizzato uno schema di addestramento asincrono iterativo:

  • I worker CPU campionano da un checkpoint "ritardato" del flow per generare campioni di proposta.
  • Questi campioni vengono valutati rispetto alla verosimiglianza target, che è costosa.
  • Il dataset risultante viene inserito in un buffer FIFO.
  • Un trainer su GPU ottimizza continuamente i parametri del flow sull'insieme aggregato dei dati.
  • Questo processo affina iterativamente la distribuzione di proposta, riducendo la varianza dei pesi di importanza.

Contributi Chiave e Risultati
Il metodo è stato testato su una replica realistica di un'analisi del rivelatore vicino di T2K coinvolgente 110 parametri sistematici, di cui 10 introducono esplicitamente non-gaussianità tramite pesi di eventi non lineari.

• Fedeltà nello Spazio dei Parametri: Il surrogato NF addestrato riproduce la verosimiglianza target con alta fedeltà.
  • Distribuzioni Marginali: Il NF cattura accuratamente le code asimmetriche e i modi spostati dal valore di miglior adattamento per i 10 parametri non lineari, corrispondendo strettamente a una catena MCMC di riferimento (4,2 milioni di campioni). Al contrario, l'approssimazione gaussiana fallisce nel catturare queste caratteristiche.
  • Correlazioni: Il NF modella correttamente le correlazioni curve e le regioni di confidenza distorte nelle proiezioni 2D, che il modello gaussiano omette.
• Predizioni del Flusso: Quando si propagano le incertezze sistematiche alle predizioni del flusso:
  • Le bande di incertezza derivate dal NF concordano con i risultati MCMC entro circa $\pm 1\%$.
  • L'approssimazione gaussiana sovrastima la larghezza delle incertezze di circa il $3,5\%$ e sottostima il tasso di eventi mediano di circa lo $0,2\%$, indicando un bias nel surrogato gaussiano.
• Efficienza di Campionamento:
  • Il NF addestrato raggiunge un tamaño effettivo di campionamento relativo (rESS) del 98%, rispetto al solo 5% della proposta gaussiana iniziale.
  • Ciò rappresenta un miglioramento di circa 20 volte nell'efficienza di campionamento per l'importanza del campionamento (importance sampling).
  • Una volta addestrato, il surrogato è computazionalmente economico: può generare circa 38 milioni di campioni per ora di GPU, rispetto ai circa 10.000 valutazioni per ora di CPU della verosimiglianza originale.
• Scalabilità: Il costo computazionale scala principalmente con la dimensione del blocco non lineare ($D_A$), non con la dimensione totale. Anche con $D_A=100$, il surrogato rimane significativamente più veloce della valutazione della verosimiglianza originale.

Significato e Rivendicazioni
L'articolo sostiene che i Normalizing Flows forniscano una soluzione "fedele e portabile" per le verosimiglianze ad alta dimensionalità nella fisica dei neutrini. Convertendo la verosimiglianza sistematica adattata in un modello di densità esplicito, il NF agisce come un surrogato in forma chiusa, campionabile e valutabile punto per punto.

La significatività risiede nel colmare il divario tra le sintesi gaussiane e i campioni MCMC:

• Come le approssimazioni gaussiane, il NF è leggero, portabile e non richiede i dati originali o i meccanismi di fit per l'uso a valle.
• Come l'MCMC, preserva la piena struttura non gaussiana (skewness, correlazioni curve, code non gaussiane), evitando così i bias intrinseci nelle approssimazioni quadratiche.

Gli autori pongono questo metodo come essenziale per le future misurazioni di precisione delle oscillazioni, in particolare per le analisi congiunte (es. T2K-NOvA) o analisi globali dove i vincoli di una fase devono essere rigorosamente propagati a un'altra senza perdita di informazione statistica. Il flow addestrato permette l'ottimizzazione basata sul gradiente e la propagazione dell'incertezza in analisi a valle senza dover rieseguire il fit a monte.