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

高エネルギー物理学という極めて重要な世界において、科学者たちは宇宙の探偵として振る舞い、数十億もの微小な衝突の中から、新しい自然の法則を明らかにするかもしれない唯一の稀なイベントを見つけ出すために、膨大なデータを精査しています。これらの衝突は、スイスとフランスの国境下に埋設された巨大なリングである大型ハドロン衝突型加速器（LHC）の中で発生し、そこでは陽子のビームが光速に近い速度で衝突します。その結果生じる粒子の飛散は、CMSのような検出器によって記録され、データの山を作り出します。課題は、単に「シグナル」として知られる新粒子を見つけることだけでなく、背景となるノイズ（バックグラウンド）がどのような姿をしているのかを正確に把握することにあります。もし背景の推定が誤っていれば、科学者は一般的なゆらぎを発見と見誤ったり、あるいは、ノイズの中に隠された真の発見を見逃したりしてしまうかもしれません。伝統的に、物理学者は背景を推定するために「ABCD法」と呼ばれる巧妙な手法を用いてきました。これは、2つの異なる測定値に基づいて、データを4つのボックスに分割するものです。もしこれら2つの測定値が互いに完全に無関係であれば、空の「シグナルボックス」に含まれる背景イベントの数は、他の3つのボックスのカウントを掛け合わせることで予測できます。これは、実データを使用して背景がどのようになるかを推測するための信頼できる方法ですが、致命的な欠陥があります。それは、これら2つの測定値が真に独立していなければならないという点です。

このような独立した2つの測定値を見つけることは、非常に困難です。粒子衝突の複雑な混沌の中では、ほとんどの事象が微妙に関連し合っています。もしデータを分類するために使用される2つの変数の間に、たとえ微かな繋がりがあったとしても、予測は失敗し、背景の推定は信頼できなくなります。長年、物理学者は手作業で適切な変数のペアを見つけようと苦闘してきましたが、そのプロセスは遅く、困難であり、特にシグナルが背景と酷似している場合には成功しないことがよくありました。CERNのCMSコラボレーションの研究者は、機械学習を用いてこの困難なタスクを自動化する新しい解決策を開発しました。彼らは、コンピュータに独自の2つの測定値を発明させるよう教え込み、それらが独立性を保ちつつ、同時にシグナルを見つけ出す能力にも優れているようにするシステムを作り上げました。「ABCDisCoTEC」と呼ばれるこの新しいアプローチにより、不完全なコンピュータ・シミュレーションへの依存を減らし、観測されたデータから直接、より高い精度で背景を推定することが可能になります。

この革新の核心は、機械学習モデルの学習方法にあります。過去には、ニューラルネットワークに統計的に独立した2つの出力を生成するように教える「ABCDisCo」という手法が使われていました。しかし、この手法には盲点がありました。それは、2つの出力が相関を持たないことを保証することはできても、背景イベントがデータ全体に滑らかに分布することを保証できなかったのです。これは、ABCD法が正しく機能するための厳格な要件です。新しいABCDisCoTEC法は、学習プロセスに特定の指示を追加することで、この問題を解決しました。コンピュータには、2つの出力を独立させるだけでなく、「ノンクロージャ（非閉鎖性）」を最小化するように命じられます。簡単に言えば、ノンクロージャとは、3つの背景ボックスからの予測値が、実際に発見されたイベント数と一致しないときに発生する誤差のことです。ネットワークにこの誤差を減らすよう直接教え込むことで、システムは背景の推定が数学的に妥当となるようなデータの配置方法を学習するのです。

このアイデアを検証するため、研究者は「ステルス超対称性トップスクォーク」と呼ばれる仮説上の粒子の探索にこの手法を適用しました。この粒子は、すでに存在が知られている重い粒子であるトップクォークのパートナーですが、現在の物理学の理解を超えた理論によって予測されているものです。この特定の粒子を見つける際の問題は、それが標準的なトップクォーク対によって生じる背景ノイズと、見た目がほぼ同一であることです。以前の探索では、背景がどれほど正確にモデル化されているかという不確実性が、シグナル発見の能力を制限していました。この新手法は、大型ハドロン衝突型加速器の条件を模したシミュレーションデータを用いてテストされました。その結果、ABCDisCoTECモデルは、互いに独立した2つの新しい変数を生成することに成功し、背景の配置の安定性と堅牢性を大幅に向上させることが示されました。これにより、研究者は高い精度でシグナル領域の背景を予測することが可能となり、探索の感度を著しく向上させました（具体的な詳細や検索結果については別の参照資料に記載されています）。

このような複雑な機械学習モデルを使用する際の大きな障壁は、ネットワークの学習を制御する「ハイパーパラメータ」と呼ばれる多くのつまみやダイヤルを調整することです。通常、科学者はこれらの設定を推測するか、あるいは最適な組み合わせを見つけるために何千回もの試行を行う必要がありますが、これは時間がかかり、エラーが起こりやすいプロセスです。論文では、これを解決するための第2の革新として、「修正微分乗数法（modified differential method of multipliers）」と呼ばれる数学的手法も紹介されています。これは、学習における異なる目標間のバランスを推測する代わりに、要件を厳格な制約条件として扱うものです。これにより、ネットワークが膨大な選択肢を手動で探索することなく、独立性と背景の正確さに関する特定の目標を満たす解を見つけ出すよう強制します。このアプローチは、従来のメソッドよりもはるかに高速かつ安定しており、わずかな時間で最適な解へと収束しました。

研究者はその後、実データにこの手法を適用することで、その知見を検証しました。彼らは、メインの探索エリアとは別の特定の領域をデータ内に定義し、実際の衝突イベントに対して手法が正しく機能するかどうかを確認しました。その結果、実データにおける背景の挙動はシミュレーションで見られた挙動と一致しており、検証領域におけるノンクロージャ誤差は小さく一貫したままでした。この検証は極めて重要です。なぜなら、この手法が現実世界の物理学解析に使用できるほど堅牢であることを裏付けており、機械学習モデルが、これらの特定のテスト領域内において、実データの根底にある構造を学習したことを証明しているからです。

この研究の意義は、単一の新しい粒子探索にとどまりません。ABCDisCoTEC法は、高エネルギー物理学データの解析を自動化する上での重要な前進を意味します。物理学者が観測されたデータから直接、高精度で背景を推定できるようにすることで、時として不正確になり得る理論的シミュレーションへの依存を減らすことができます。これは、より信頼性の高い測定と、微かな新しい物理学の兆候を捉える可能性の向上につながります。新しい学習法と高度な最適化技術の組み合わせは、将来の実験のための強力なツールキットを提供します。これは、機械学習が単にデータを分類するためだけでなく、宇宙の最も複雑な衝突を解釈するために用いられる統計的手法を根本的に改善できることを示しています。大型ハドロン衝突型加速器がデータの収集を続ける中で、これらのツールは、現実の基本構成要素を理解しようとする継続的な探求において不可欠なものとなるでしょう。