Finite Asimov Sample Construction in Unbinned Neural Simulation-Based Inference

=== 要約 ===

技術的要約：アンビンンド・ニューラル・シミュレーション・ベース・インファレンスにおける有限アジモフ・サンプルの構築

問題提起
頻度論的解析において、ニューラル・シミュレーション・ベース・インファレンス（NSBI）、特にニューラル・レシオ・エスティメーション（NRE）を利用する場合、期待される感度の計算には、近似的なアンビンンド・アジモフ・データセットが必要となることが多い。従来、これは大規模な重み付きモンテカルロ（MC）サンプルを用いて達成されてきた。しかし、この手法には2つの重大な課題がある。

1. 有限サンプルによるゆらぎ： 大規模なサンプルであっても、有限のMCゆらぎによって、真の生成パラメータから尤度最大値がずれてしまい、期待テスト統計量のスキャンに不安定性を引き起こす。
2. 計算コスト： 何百万ものイベントに対して尤度を評価しながら繰り返しスキャンを行うことは、計算コストが非常に高い。例えば、ATLAS実験では、この領域での尤度最大化に $O(10\text{--}20)$ CPU時間および $O(100\text{--}500)$ GBのメモリを必要とする事例が報告されている。

著者らは、積分サンプルを単なる近似的なスコア相殺のためではなく、スキャンの精度性のために選択できるようにする手法、すなわち有限サンプルのずれの問題に直接取り組む手法の必要性に対処している。

手法
本論文は、生成パラメータが重み付き尤度をグローバルに最大化するような、有限の重み付き参照サンプルの構築を提案している。この手法は、ターゲット分布 $p(x; \theta)$ と、パラメータに依存しない参照分布 $p_{ref}(x)$ との間の学習された密度比に基づいている。

1. 比率推定（Ratio Estimation）： 分類器 $D_{\psi}$ を用いて、ターゲット分布 $p(x; \theta)$ と参照分布 $p_{ref}(x)$ の比 $r_{\psi}(x; \theta) \approx p(x; \theta) / p_{ref}(x)$ を推定するNREを使用する。
2. 固定された参照点： $p_{ref}$ から描画された固定された参照点集合 $X_M = \{(x_m, \omega_m)\}_{m=1}^M$ を用いる（ここで $\omega_m$ は合計が1となる重み）。これらの点は解析を通じて固定される。
3. 正規化と強度： 任意のパラメータ値 $\theta$ に対して、各プロセス成分 $s$ の正規化因子 $Z_s(\theta)$ を、固定された点と学習された比率を用いて計算する。強度関数 $h(x; \theta)$ は、期待収量 $\lambda_s(\theta)$ と比率を組み合わせ、$Z_s(\theta)$ で正規化することで構築される。
4. アジモフ重みの割り当て： 事前に決定された生成点 $\theta_A$ において、有限の強度質量 $v_m(\theta_A)$ に基づいて、固定された点にアジモフ重み $w_m^A$ を割り当てる。
5. 尤度構築： これらの重みを用いて、重み付き対数尤度関数 $\ell_{A,M}(\theta)$ を定義する。極めて重要な点として、参照分布はプロファイル負対数尤度比統計量において相殺され、最大値を保持する。

主要な貢献

• 定理 2.1（有限サンプル・アジモフ閉包）： 強度質量が厳密に正であり、かつ補助制約が生成パラメータにおいて最大化される場合、構築された重み付き対数尤度の生成点 $\theta_A$ は、いかなるサンプルサイズ $M$ に対してもグローバルな最大値となることを証明した。これにより、アジモフ・データセットは生成パラメータを正確に復元し、有限MCゆらぎによるずれを排除する。
• アルゴリズムの効率性： この構築法により、非常に少ない積分点（例：$M=256$）を使用して安定した期待感度スキャンを行うことが可能となり、スキャンの精度を大規模なサンプルサイズに依存させずに済む。
• 系統誤差の処理： 本フレームワークは、系統誤差（中間的なパラメータ）や補助制約を許容する。また、正規化の系統誤差（信号強度）が、正規化因子の更新要件に関して形状の系統誤差とどのように異なるかについても特記している。

結果
著者らは、高エネルギー物理学（HEP）に着想を得た、5次元観測空間、相関のあるガウス混合、およびガウス型検出器のスマアリング（smearing）を用いたトイモデルを用いて、手法を検証した。

• 安定性と精度： 信号強度 $\mu_A = 1$ におけるスキャンにおいて、わずか 256個の重み付きイベントを持つアジモフ・データセットが、200万個の参照イベントを用いた期待テスト統計量スキャンを密接に再現した。
  • $M=256$ における平均発見統計量 $q_{0,A}$ は 3.20 (標準偏差 0.11) であり、大規模な参照サンプルによる 3.24 と極めて近い値であった。
  • 従来のサンプルでは、$M=256$ の場合に最小値を正しく特定できず（しばしば境界に到達する）、$M=2 \times 10^6$ であっても、従来のフィットでは繰り返し間で 0.09 の標準偏差を示した。
• 分布の一致： 小規模な修正アジモフ・サンプルから導出されたテスト統計量の分布は、独立したシミュレータベースの擬似実験（$10^5$ 回の試行）と一致した。この一致は、学習された密度比が適切に訓練されていることを裏付けている。
• 計算上の利点： この手法は、期待テスト統計量スキャンの構築における計算負荷を大幅に軽減し、大規模なビン化解析におけるビン数と同程度の、わずか数百の積分点のみを必要とする。

意義と主張
本論文は、この構築法がATLAS実験などで用いられるNSBIのワークフローにおける主要な計算ボトルネックに対処することを主張している。生成パラメータが有限サンプル上で尤度をグローバルに最大化することを保証することで、本手法は、従来必要とされていたものよりも桁違いに少ないイベント数で、安定かつ正確な期待感度スキャンを提供する。

ただし、著者らは以下の限界事項についても、控えめで厳格な立場を維持している：

• 検証への依存性： シミュレータとの一致は、完全に学習された比率の精度に依存する。本手法は、学習された比率自体のエラーを修正するものではないため、独立したシミュレータによる明示的な検証が引き続き必要である。
• 訓練要件： このアプローチは、ニューラル・エスティメータを訓練および検証するために必要なシミュレーションサイズを削減するものではない。初期の学習フェーズには依然として大規模なデータセットが必要である。
• 漸近的性質： 発見有意度の計算は、ウォルド仮定に基づく漸近近似に依存しており、これは有限 $M$ に関する厳密な定理とは別の問題である。
• 裾の挙動： 比率のエラー、有限のシミュレーション・バンク、または漸近近似に起因して、希薄な領域（テール部分）での残留差が生じる可能性がある。そのため、シミュレータによる検証とキャリブレーションが必要となる。

要約すると、本論文は、一貫した比率正規化を通じて構築された有限サンプル・アジモフ・データセットが、基礎となる密度比が正確に学習・検証されているという条件下において、期待テスト統計量スキャンの生成という特定の目的のために、大規模な重み付きMCサンプルを代替できることを示している。