Neural Fake Factor Estimation Using Data-Based Inference

技術要約：データに基づく推論を用いたニューラル・フェイク・ファクター推定

問題提起
高エネルギー物理学（HEP）の解析において、「フェイク」背景事象は、正式な信号選択基準を満たさないものの、非プロンプト・レプトンやレプトンと誤認されたハドロンジェットなどの誤再構成または誤識別された粒子によって受理されるイベントから発生します。伝統的に、これらの背景事象はデータ駆動型の技術、特にフェイク・ファクター法を用いて推定されます。この手法は、キネマティックに隣接する、より緩い選択領域（コントロール領域、CR）からシグナル領域（SR）へと、スケール因子（「フェイク・ファクター」）を用いてフェイク・レプトンの寄与を外挿します。

この手法の従来の実装は、低次元空間（典型的には横運動量 $p_T$ および擬ラピディティ $\eta$）における2つのヒストグラム（タイト選択とルース選択）の比としてフェイク・ファクターを計算する、ビン化推定に依存しています。このアプローチにはいくつかの限界があります：

1. ビニングによるアーティファクト： ビニングの選択が結果に大きな影響を与えます。粗いビンはキネマティックな特徴を失い、細かいビンは統計的なゆらぎ、空のビン、あるいは負の値の問題を引き起こします。
2. 次元の制限： 統計量の制約により、この手法は通常、少数の変数に限定されます。そのため、他のイベント・トポロジー変数（例：欠損横運動量 $E^{miss}_T$ やジェット多重度）との複雑な相関を捉えることができません。
3. 外挿の不確実性： ビニングによる不連続性と高次元の依存性をモデル化できないことにより、シグナル領域への背景事象推定の外挿精度が低下します。

手法
著者らは、ヒストグラム化をニューラル密度比推定に置き換える、新しい機械学習（ML）ベースのフェイク・ファクター法を提案しています。**データに基づく推論（DBI）**と呼ばれるこのアプローチは、事象ごとに連続的な、ビンなしのフェイク・ファクター関数を推定します。

本手法は、主に2つのステップで構成されています。

1. 減算ステップ（実レプトンの除去）：
   フェイク・ファクターはフェイク・レプトンのみから導出される必要があるため、タイトおよびルースの両方のデータサンプルから実（プロンプト）レプトンの寄与を差し引く必要があります。著者らは、タイト領域とルース領域のそれぞれにおいて、データとモンテカルロ（MC）シミュレーションの比（$r_{T,L} = N^{data}/N^{MC}$）を推定するために、2つの独立したバイナリ分類器を訓練します。

   • これらの分類器は、データイベント（ラベル1）とMCイベント（ラベル0）を区別するように訓練されます。
   • 出力は、データイベント（またはMCイベント）を再重み付けし、「実レプトンが差し引かれた」密度を得るために使用されます。
   • 物理的な妥当性（正の重み）を確保するため、分類器のロジット出力にソフト絶対値活性化関数が適用され、比 $r > 1$ となることが保証され、結果としての重みが正の値を維持するようにします。

2. 比率ステップ（フェイク・ファクター推定）：
   3番目のバイナリ分類器が、タイト（分子）とルース（分母）の実レプトン除去済みサンプルの間を区別するように訓練されます。

   • 学習データセットは、両方の領域からの再重み付けされたイベントで構成されます。
   • 分類器は、2つの仮説間の尤度比を学習します。
   • 特徴量 $x$ を持つ事象に対する最終的なフェイク・ファクター $F(x)$ は、分類器の出力の指数として推定されます：$F(x) = \exp(q(x))$。
   • これにより、$p_T, \eta, E^{miss}_T, N_{jets}, m_T$ などの高次元の特徴空間に依存する連続関数が得られます。

モデル・アーキテクチャおよび訓練

• アーキテクチャ： 著者らは、各ブロックに128個のニューロンを持つ2層の残差層を含む4つの残差ブロックを利用したプリアクティベーション ResNetを使用しています。このアーキテクチャは、勾配消失を緩和し、標準的なフィードフォワードネットワークと比較して、より深いネットワークの安定した訓練を可能にします。
• 入力処理： 数値特徴量は標準化され、カテゴリカル特徴量はラベルエンコーディングおよび埋め込み（エンベディング）されます。埋め込み層は特徴量を高次元空間にマップし、その後に平均プーリングが行われます。
• 損失関数： 訓練には、爆発的な密度を防ぐための2乗正則化項を伴うバイナリ・クロスエントロピーが使用されます。減算分類器については、ソフト絶対値活性化が非負の出力を保証し、比率分類器については線形活性化が使用されます。
• 訓練： モデルは、検証損失に基づく早期終了（アーリーストッピング）を伴う AdamW オプティマイザを使用して訓練されます。

主な貢献

1. 連続的かつビンなしの推定： この手法は、事象ごとのフェイク・ファクターを提供し、ヒストグラムベースの手法に固有のビニング・アーティファクトや不連続性を排除します。
2. 高次元の柔軟性： ニューラルネットワークを活用することで、複数の相関するキネマティック変数を同時に組み込むことができ、従来のビン化手法では「次元の呪い」のために困難であった複雑な依存関係を捉えることができます。
3. 改善された外挿： 推定器の連続的な性質により、コントロール領域からシグナル領域への、より滑らかで安定した外挿が可能になります。
4. 検証フレームワーク： 著者らは、ATLAS Open Dataを用いて、実レプトンの混入を正しく処理できることを確認する、堅牢な2ステップの検証手順（減算と比率）を実証しています。

結果
本手法は、ATLAS Run 2 データの $W \to e\nu$ イベントの解析を用いて検証されました。

• コントロール領域（CR）： MLベースの手法は、CRにおいて従来のビン化手法と良好な一致を示しました。統計量の多い低 $p_T$ 領域ではビン化手法がわずかに優れていましたが、ML手法は、$E^{miss}_T$ や $m_T$ のような、統計的制約によりビン化解析に含めることが困難な変数において優れたモデリングを示しました。
• シグナル領域（SR）： SR（$m_T > 60$ GeV）への外挿において、MLベースの手法は、形状と正規化の両方において、ビン化手法と比較して有意に優れた予測を提供しました。ビン化手法は、粗いビニングと限定的な変数への依存により、特に $E^{miss}_T$ や $m_T$ の分布において、より大きな不一致と系統的な誤モデリングを示しました。
• 安定性： MLアプローチは、特にイベント数が少ない領域や複雑な相関がある領域において、統計的なゆらぎを抑えた、より滑らかな分布を生成しました。

意義と主張
論文は、MLベースのフェイク・ファクター法が、高エネルギー物理学におけるデータ駆動型の背景事象推定における重要な進歩であることを主張しています。離散的で低次元なビニングから、連続的で高次元な密度比推定へと移行することで、本手法は以下のを実現します：

• ビニング選択バイアスや外挿の不確実性といった一般的な制限を軽減します。
• 変数間の複雑な相関をモデル化する能力を強化します。
• より正確な背景事象推定を提供することで、希少な信号の探索の感度を向上させ、誤モデリングに起因する偽の信号のリスクを低減します。

著者らは、本手法が単純な $W$ ボソン解析で実証されたものの、そのフレームワークはマルチレプトン最終状態やその他の誤識別された対象物にも本質的に適応可能であることを強調しています。また、今後の課題として、系統誤差の推定の統合、および新しい物理を探求するより複雑なLHC解析への適用を挙げています。実装コードは公開されています。