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

이 논문은 고에너지 물리학에서 통계 모델을 표현하고 교환하기 위한 보편적이고 FAIR를 준수하는 형식을 제공하기 위해 설계된, 기존의 소프트웨어 특정 형식의 한계를 극복하는 새로운 구현 불가지론적이며 인간이 읽을 수 있고 확장 가능한 직렬화 표준인 HS3를 소개한다.

핵심

고에너지 물리학(거대 강입자 가속기에서 다루는 미세 입자들을 연구하는 학문)을 거대한 글로벌 요리 경연 대회라고 상상해 보십시오. 수십 년 동안 요리사들(과학자들)은 우주가 어떻게 작동하는지 설명하기 위해 놀라운 레시피(통계 모델)를 만들어 왔습니다. 하지만 여기에는 중대한 문제가 있었습니다. 모든 요리사가 자신만의 서로 다른 비밀 언어로 레시피를 작성하고 있었다는 점입니다.

어떤 이들은 특정 컴퓨터만 읽을 수 있는 복잡한 코드인 "ROOT"로 레시피를 썼습니다. 또 다른 이들은 인간이 읽기에는 쉽지만 모든 종류의 요리를 처리할 수는 없는 더 단순한 형식인 "pyhf"로 썼습니다. 만약 더 큰 식사를 만들기 위해 두 개의 레시피를 결합하고 싶거나, 10년 전의 레시피를 새로운 컴퓨터로 읽고 싶다면, 그것은 종종 불가능한 일이었습니다. 레시피들은 마치 잉크가 흐려지거나 종이가 젖으면 못 쓰게 될 냅킨 위의 손글씨 메모와 같았습니다.

HS3의 등장: 보편적인 요리책

이 논문은 HS3(High-Energy Physics Statistics Serialization Standard)를 소개합니다. HS3를 이 모든 문제를 해결하는 새로운, 보편적인 레시피 언어라고 생각하십시오.

다음은 쉬운 비유를 사용한 작동 방식입니다:

1. "기술적(Descriptive)" 언어 (셰프가 아닌 메뉴)

이전의 일부 레시피 형식은 로봇에게 엄격하고 단계적인 지침을 주는 것과 같았습니다 (예: "왼쪽으로 돌고, 3초 동안 저으시오"). 만약 로봇이 고장 나면, 그 레시키는 쓸모가 없었습니다.
HS3는 다릅니다. HS3는 **기술적(descriptive)**입니다. 컴퓨터에게 어떻게 요리할지를 알려주는 것이 아니라, 그 요리가 무엇인지를 기술합니다. "이것은 가우시안 수프이다" 또는 "이것은 포아송 스튜이다"라고 말하는 식입니다.

• 비유: 재료와 풍미를 나열한 메뉴판을 상상해 보십시오. 이 메뉴판은 당신이 프랑스 주방에서 요리하든, 일본 주방에서 요리하든, 혹은 전자레인지를 사용하든 상관하지 않습니다. 단순히 요리를 기술할 뿐이기에, 어떤 셰프(어떤 컴퓨터 프로그램)라도 이를 읽고 자신만의 방식으로 요리할 수 있습니다.

2. "레고(LEGO)" 구조 (구성 블록)

논문은 HS3가 모델을 계산 그래프(computational graph), 즉 "레고 블록의 지도"라고 부르는 방식으로 구축한다고 설명합니다.

• 재료(데이터)를 위한 블록이 있습니다.
• 규칙(함수)을 위한 블록이 있습니다.
• 최종 요리(우도/likelihood)를 위한 블록이 있습니다.
• 마법 같은 점: 이 블록들을 명확하고 논리적인 방식으로 조립할 수 있습니다. 만약 재료 하나를 바꾸고 싶다면, 그 블록 하나만 교체하면 됩니다. 전체를 다시 만들 필요가 없습니다. 이는 거대하고 복잡한 구조라 할지라도 전체 모델이 어떻게 구성되어 있는지 쉽게 파악할 수 있게 해줍니다.

3. "시간 여행" 기능 (장기 보존)

과학계의 가장 큰 걱정 중 하나는 "우리가 50년 후에도 우리의 데이터를 읽을 수 있을까?" 하는 것입니다.

• 과거 방식: 특정 버전의 프로그램으로 파일을 저장했는데, 10년 뒤에 그 프로그램이 사라진다면, 그 파일은 읽을 수 없는 "디지털 화석"이 됩니다.
• HS3 방식: HS3는 단순하고 인간이 읽을 수 있는 형식(텍스트처럼 보이는 JSON)으로 작성되기 때문에, 특정 소프트웨어에 의존하지 않습니다. 설령 현재의 모든 컴퓨터가 고장 나더라도, 인간은 이론적으로 HS3 파일을 읽고 레시피를 이해할 수 있습니다. 이는 레시피를 비밀 코드가 아닌 영어로 적는 것과 같습니다. 도구가 사라져도 레시피는 살아남습니다.

4. "번역가" (상호 운용성)

논문은 HS3가 보편적인 번역기 역할을 한다는 것을 보여줍니다.

• HS3는 기존의 "ROOT" 언어로 작성된 레시피를 HS3로 번역할 수 있습니다.
• "pyhf"에서 온 레시피를 HS3로 번역할 수 있습니다.
• 심지어 다시 역으로 번역할 수도 있습니다.
• 결과: 이제 파이썬(Python) 컴퓨터를 사용하는 과학자는 C++ 컴퓨터를 사용하는 과학자와 모델을 공유할 수 있으며, 두 사람 모두 이를 완벽하게 이해할 수 있습니다. 그들은 또한 두 셰프가 같은 맛의 수프를 맛보며 레시피가 일치하는지 확인하는 것처럼, 서로 동일한 결과를 얻고 있는지 확인할 수 있습니다.

5. 이것이 지금 왜 중요한가

논문은 물리학 분야가 단순히 "새로운 입자를 찾는 것"에서 "극도로 정밀하게 측정하는 것"으로 이동하고 있다고 주장합니다. 이를 위해서는 많은 다양한 실험과 모델을 결합해야 합니다.

• 문제: 레시피가 서로 다른 언어로 쓰여 있다면 결합할 수 없습니다.
• 해결책: HS3는 이러한 모델들을 쉽게 결합하고, 오류를 확인하며, 원래 팀 외부의 사람들도 새로운 이론을 테스트하기 위해 사용할 수 있도록 데이터를 공개할 수 있게 해줍니다.

요약

요컨대, HS3는 입자 물리학의 "수학적 레시피"를 기록하기 위한 새로운 표준입니다. 이것은:

• 인간 친화적입니다: 기계가 아닌 사람의 눈으로 읽을 수 있습니다.
• 보편적입니다: 다양한 컴퓨터 언어와 소프트웨어에서 작동합니다.
• 미래 지향적입니다: 오늘의 과학적 발견이 어떤 기술을 사용하든 다음 세대에 의해 이해되고 재사용될 수 있도록 보장합니다.

논문은 이 표준이 이미 데이터를 발표하고, 결과 간의 차이를 확인하며, 심지어 통계에 대해 학생들을 가르치는 데에도 사용되고 있다고 주장합니다. 이는 "물리학의 도서관"을 진정으로 개방적이고 접근 가능하게 만들기 위한 첫걸음입니다.

기술 요약

기술 요약: HS3 – 고에너지 물리학의 통계 모델을 위한 기술적, 상호 운용 가능한 직렬화 표준

문제 정의
고에너지 물리학(HEP)에서 통계 모델은 관측된 데이터, 물리 파라미터, 그리고 불확실성 사이의 관계를 인코딩하는 핵심적인 과학적 산물이다. 우도 기반 추론(likelihood-based inference)은 정밀 측정, 유효 장 이론(EFT) 피팅, 교차 분석 결합의 중심에 있지만, 이러한 모델을 표현하기 위한 현재의 생태계는 파편화되어 있다. ROOT 워크스페이스, pyhf JSON, CMS DataCard와 같은 기존 형식들은 특정 소프트웨어 스택(예: C++/ROOT, Python)에 종속되어 있다. 이는 상호 운용성, 검증 및 장기 보존에 상당한 장벽을 만든다. ROOT 워크스페이스는 바이너리 형태이며 버전에 의존적이고, pyhf JSON은 사람이 읽을 수 있지만 RooFit에 비해 범위가 제한적이며, CMS DataCard는 특정 C++ 구현에 의존한다. 결과적으로, 형식 간의 변환은 취약하고, 프레임워크 간의 교차 검증은 어려우며, 모델의 장기적인 사용성은 소프트웨어 노후화로 인해 위협받고 있다.

방법론 및 설계 원칙
저자들은 HS3(High-Energy Physics Statistics Serialization Standard)를 소개한다. 이는 구현에 구애받지 않고, 사람이 읽을 수 있으며, 확장 가능한 직렬화 형식이다. 설계는 다음과 같은 몇 가지 핵심 원칙에 의해 유도된다:

• 기술적 도메인 특화 언어 (DSL): HS3는 실행 로직의 인코딩이 아니라 수학적 구조(분포, 함수, 파라미터, 데이터셋)에 대한 선언적 명세이다. 이는 수학적 의미론(semantics)과 알고리즘 구현을 분리하여, 서로 다른 추론 엔진이 동일한 모델을 해석할 수 있도록 한다.
• 계산 그래프 표현: 모델은 노드가 분포, 함수, 데이터를 나타내고 에지가 의존성을 나타내는 유향 비순환 그래프(DAG)로 표현된다. 이 표준은 하이 레벨의 합성 노드(예: 템플릿 기반 모델을 위한 histfactory_dist)와 로우 레벨의 기초 연산을 모두 지원하는 하이브리드 입도(granularity)를 지원한다. 이는 의미적 구조를 보존하는 동시에 백엔드 최적화를 가능하게 한다.
• 상호 운용성 및 완전성: HS3는 (가장 표현력이 풍부한 현재의 프레임워크인) RooFit에 대해 의미론적으로 완전하도록 설계되었으면서도 pyhf JSON의 가독성을 유지한다. 이는 빈(binned) 및 언빈(unbinned) 우도, 계층적 합성 모델, 그리고 확장된 분포를 모두 지원하는 것을 목표로 한다.
• 인간 및 기계 가독성: 표준 형식은 성숙한 툴링과 명시적 구조를 갖춘 JSON을 채택하였다. 모든 객체는 고유한 이름을 가져 모호하지 않은 참조를 보장하며, 이를 통해 버전 관리와 점진적 수정이 용이하다.
• FAIR 원칙: 이 표준은 지속 가능한 식별자와 개방형 형식을 활용하여, 소프트웨어 환경이 진화하더라도 모델이 계속 사용될 수 있도록 FAIR(Findable, Accessible, Interoperable, Reusable) 원칙을 준수한다.

표준의 구조
HS3 문서는 인덱싱된 객체를 포함하는 최상위 섹션들로 구성된다:

• Distributions (분포): 기초적 분포(예: Gaussian, Poisson) 및 합성 분포.
• Functions (함수): 결정론적 수학적 변환 (기초적 또는 사용자 정의).
• Data (데이터): 관측되거나 시뮬레이션된 데이터셋 (빈 또는 언빈).
• Likelihoods (우도): 분포와 데이터셋을 결합하는 객체.
• Domains (도메인): 파라미터 범위, 유형(연속/이산) 및 제약 조건의 정의.
• Parameter Points (파라미터 지점): 벤치마크나 시작점을 위한 명명된 값들의 집합.
• Analyses (분석): 관심 파라미터(POI), 섭동 파라미터(nuisance parameter), 테스트 통계량의 파라미터를 정의하는 하이 레벨 처방.
• Metadata (메타데이터): 출처(provenance), 버전 관리 및 저자 정보.
• Misc (기타): 시각화 또는 구성을 위한 비규범적 힌트.

주요 기여 및 구현
본 논문은 HS3의 개발과 기존 프레임워크와의 통합을 상세히 설명한다:

1. ROOT/RooFit 통합: ROOT 6.36에 내장된 라이브러리는 RooWorkspace 객체와 HS3 JSON 간의 양방향 변환을 가능하게 하며, 이름, 파라미터 및 정규화를 보존한다. 이는 참조 구현 역할을 한다.
2. CMS Combine 및 DataCards: DataCard는 RooWorkspace로 파싱될 수 있으며, 이후 HS3로 내보낼 수 있다. HS3의 모듈형 구조는 향후 CMS 특유의 커스로 모델 구성을 포함할 수 있도록 한다.
3. pyhf 호환성: pyhf JSON 모델은 채널을 histfactory_dist 노드로 승격함으로써 HS3로 번역될 수 있다. 반대로, 단순한 HS3 모델은 pyhf JSON으로 다시 변환될 수 있다.
4. 교차 언어 구현:
   • pyhs3: ROOT와의 일관성을 보장하면서 파서, 검증기 및 HS3 모델 구축을 위한 도구를 제공하는 순수 Python 패키지.
   • HS3.jl: 고성능 파싱과 네이티브 데이터 구조를 제공하여 JuliaHEP 도구 및 경사 기반 추론과의 통합을 용이하게 하는 Julia 구현체.

결과 및 초기 적용
논문은 표준의 초기 검증 및 적용 사례를 제시한다:

• 교차 검증: 그림 1은 ATLAS V H 측정에 대해 C++ ROOT 구현과 Python pyhs3 구현에서 생성된 프로파일 우도 곡선 간의 좋은 일치도를 보여주며, 이를 통해 프레임워크 간의 수치적 일관성을 검증한다.
• HEPData 통합: HEPData는 이제 "배지(badge)" 시스템을 통해 HS3를 지원한다. 여러 ATLAS 분석(Higgs 측정, 새로운 물리 탐색, SM 분석)이 HS3 기반 우도와 함께 발표되었으며, 이를 통해 외부 사용자는 특정 소프트웨어 스택 없이 모델을 재구성할 수 있다.
• 결합 분석: 개념 증명 연구는 여러 공개 우도를 수동 재작성 없이 단일 모델로 결합할 수 있음을 보여주며, 이는 HS3의 명시적인 파라미터 이름 및 제약 조건 인코딩을 활용한 결과이다.
• DEMOS 프로젝트: HS3는 입자 물리학, 천체 입자 물리학, 핵물리학 전반의 통계 모델링을 통합하고자 하는 DEMOS 프로젝트의 참조 형식으로 선정되었다.
• 교육: HS3의 인간 친화적인 가독성은 통계적 추론을 가르치는 데 적합하며, 개념적 자료와 실제 과학적 분석 사이의 가교 역할을 한다.

의의 및 주장
저자들은 HS3가 LHC 및 그 이후를 위한 FAIR하고 장기 지속 가능한 통계 모델의 토대를 구축한다고 주장한다. 모델 정의를 특정 추론 엔진 및 프로그래밍 언어로부터 분리함으로써, HS3는 체계적 불확실성과 복잡한 글로벌 피팅이 지배하는 시대에 재현성, 재해석 및 장기 보존에 대한 핵심적인 요구를 해결한다. 논문은 HS3가 데이터 저장을 위한 .root 파일이 그러하듯, 안정적이고 확장 가능하며 프레임워크에 독립적인 언어를 제공하여, 통계 모델에 대해 지속 가능하고 휴대 가능하며 보편적으로 교환 가능한 표현이 될 수 있다고 주장한다. 이 표준은 최종적이고 불변하는 솔루션이 아니라, 역방향 호환성을 보장하고 지속적인 개선을 위해 커뮤니티의 합의와 버전 관리에 의해 관리되는 살아있는 프레임워크로 제시된다.