Multivariate amplitude analysis of the cascade particle decays based on the Nearest Neighbors fitting

기술 요약: 최근접 이웃 피팅(Nearest Neighbors Fitting)에 기반한 연쇄 입자 붕괴의 다변량 진폭 분석

문제 정의
고에너지 물리학에서의 고급 과학 데이터 처리는 복잡한 상관관계와 고차원 데이터를 처리하기 위해 다변량 분석(Multivariate Analysis, MVA)을 필요로 하는 경우가 많습니다. 주성분 분석(PCA)이나 머신러닝과 같은 방법들은 차원을 축소하지만, 이는 사전(a priori)에 알려진 데이터 특성에 의존합니다. 모델 구성 요소(신호 및 배경)가 복잡한 간섭 효과를 통해 얽혀 있어 분해(factorization)할 수 없는 시나리오에서는 전체 $N$차원($ND$) 피팅이 필수적입니다.

현재의 접근 방식들은 다음과 같은 상당한 한계에 직면해 있습니다:

1. 해석적 p.d.f. 피팅: 해석적인 확률 밀도 함수(p.d.f.)를 사용할 수 있는 경우, unbinned likelihood 피팅이 가능합니다. 그러나 재구성 효과(검출기 불확실성)가 포함된 복잡한 데이터의 경우, 정밀한 해석적 모델을 구축하는 것이 매우 어렵습니다. 해석적 p.d.f.를 가우시안 오차 분포와 결합(folding)하는 근사법은 종종 원시 데이터의 불확실성을 무시하거나 불충분하게 모델링합니다.
2. 커널 밀도 추정(Kernel Density Estimation, KDE): RooNDKeysPdf와 같은 방법은 이산적인 몬테카를로(MC) 시뮬레이션 이벤트로부터 $ND$ p.d.f.를 생성합니다. 그러나 피팅 과정 중에 신호 형태(질량, 폭)나 간섭 패턴이 변하는 경우, 매 단계마다 p.d.f.를 재생성해야 합니다. 이러한 "재생성"은 계산적으로 매우 비용이 많이 듭니다.
3. 빈(Bin) 기반 $\chi^2$ 피팅: 이 방법은 메모리 및 CPU 제약으로 인해 저차원(통상 2~3차원)에 국한됩니다. 빈당 충분한 통계량을 확보하려면 비균등 빈(non-uniform binning)이 필요한데, 이는 그 자체로 최적화 문제를 야기하며 민감도를 낮추거나 불확실성을 증가시킬 수 있습니다.

방법론: 최근접 이웃 가능도 피팅(Nearest Neighbors Likelihood Fit)
저자들은 "최근접 이웃까지의 거리" 개념을 사용하여 적합도(goodness-of-fit)를 추정함으로써, 명시적인 해석적 p.d.f. 정의나 계산 비용이 많이 드는 p.d.f. 재생성 없이도 이러한 한계를 극복하는 방법을 제안합니다.

• 핵심 개념: 특정 데이터 이벤트에 대한 p.d.f. 값은 시뮬레이션된 MC 이벤트들의 운동학적 근접성을 기반으로 추정됩니다. 각 MC 이벤트는 데이터 이벤트와 MC 이벤트 사이의 거리에 따라 전체 p.d.f.에 기여합니다.
• 수학적 정식화: $i$번째 데이터 포인트(좌표 $\vec{\theta}_i$)의 p.d.f. 값 $P_i$는 MC 이벤트($\vec{\theta}_j$)들을 중심으로 하는 가우시안 함수들의 가중 합으로 계산됩니다:
  $$P_i = \frac{1}{\sum_k w_k} \sum_j w_j \times \text{Gauss}_{ND}(\vec{\theta}_i - \vec{\theta}_j, \vec{\sigma})$$
  여기서 $w_j$는 이론적 모델 파라미터(예: 헬리시티 진폭) 및 검출기 효율 인자로부터 유도된 $j$번째 MC 이벤트의 가중치입니다. $\vec{\sigma}$는 재구성 불확실성을 반영하는 공분산 벡터를 나타냅니다.
• 최적화:
  • 사전 계산(Pre-computation): 피팅 중에 MC 이벤트의 운동학적 위치는 고정되어 있으므로, 가우시안 거리 항($\text{Gauss}_{ND}$)은 사전에 계산되어 저장됩니다. 모델 파라미터가 변함에 따라 가중치 $w_j$만이 각 피팅 단계에서 재계산됩니다.
  • 국소 탐색(Local Search): CPU 사용량을 최적화하기 위해, 합산은 전체 MC 샘플이 아닌 데이터 이벤트의 $4\text{--}5\sigma$ 근접 범위 내의 MC 이벤트로 제한됩니다.
  • 병렬화: 가중치 계산과 기여도 재합산은 고도로 병렬화가 가능하여, 멀티 코어 CPU 또는 GPU에서 효율적인 실행이 가능합니다.
• 가능도 함수(Likelihood Function): 최종 로그 가능도는 $\log L = \sum_i \log(P_i) \times v_i$로 계산되며, 여기서 $v_i$는 데이터 이벤트 가중치입니다.

주요 기여 및 구현
논문은 두 가지 구체적인 테스트를 통해 이 방법의 구현을 입증합니다.

1. 5차원 의사 데이터(Pseudodata) 피팅:

   • 특정 상관관계를 가진 다섯 개의 변수를 포함하는 단순한 해석적 p.d.f.를 사용하여 합성 데이터셋을 생성했습니다.
   • 데이터 구성 요소를 설명하기 위해 6세트의 MC 이벤트를 생성했습니다.
   • 결과: 피팅은 모든 입력 파라미터를 적절한 정확도로 성공적으로 회복하였으며, 이는 해석적 p.d.f.나 단계별 p.d.f. 재생성 없이도 $ND$ 피팅이 작동함을 입증합니다. (빈 설정과 같은) 암묵적 파라미터의 튜닝이 필요하지 않았습니다.

2. $B^0$ 중간자 붕괴의 진폭 분석:

   • 물리 모델: 저자들은 $B^0 \to J/\psi K^+ \pi^-$ 및 $\bar{B}^0 \to J/\psi K^- \pi^+$ 붕괴 체인을 시뮬레이션했습니다. 이 붕괴들은 서로 다른 공명 상태(예: $K^*$ 및 테트라쿼크 $T_{c\bar{c}}$ 상태) 사이의 복잡한 간섭과 미지의 붕괴 상수를 포함합니다.
   • 설정: 137k개의 의사 데이터 이벤트를 특정 중간 공명 상태($K^*(1600)$, $K^*(1950)$, $T_{c\bar{c}}(4200)$)를 사용하여 Pythia 8.1으로 생성했습니다. 피팅 모델에는 1.9백만 개의 MC 이벤트가 사용되었습니다.
   • 변수: 피팅은 불변 질량($m(J/\psi\pi^\pm)$, $m(J/\psi K^\pm)$, $m(K^\pm \pi^\mp)$)을 포함하는 6차원 공간에서 수행되었습니다.
   • 성능: 피팅 코드는 8코어 CPU에서 멀티 스레딩 모드로 실행되었으며, 반복당 약 10초가 소요되었습니다.
   • 결과: 피팅은 $T_{c\bar{c}}$ 상태의 질량과 폭, 그리고 다양한 공명들의 복잡한 붕괴 상수(진폭 및 위상)를 포함한 입력 파라미터를 정확하게 재구성했습니다. 결과는 의사 데이터를 생성하는 데 사용된 값과 밀접하게 일치했습니다.

의의 및 주장
저자들은 최근접 이웃 가능도 피팅이 기존의 $ND$ 피팅 기술에 대한 강력한 대안을 제공하며 다음과 같은 장점이 있다고 주장합니다:

• 계산 효율성: 매 피팅 단계마다 $ND$ p.d.f.를 재생성할 필요가 없으므로 다른 $ND$ 접근 방식에 비해 적은 CPU 자원을 요구합니다.
• 정확성: MC 방법의 모든 능력을 활용하여 해석적 근사에 의존하지 않고도 재구성 효과와 검출기 불확실성을 정확하게 고려할 수 있습니다.
• 확장성: 차원은 모델의 통계적 불확실성을 작게 유지하기 위해 필요한 시뮬레이션 이벤트의 통계량에 의해서만 제한될 뿐, 빈(binning)을 정의하거나 해석적 함수를 만드는 복잡성에 의해 제한되지 않습니다.
• 유연성: 이 방법은 신호와 배경이 간섭을 통해 얽혀 있어 해석적 p.d.f.를 구할 수 없거나 부정확한 복잡한 모델에서도 효과적입니다.

결론적으로, 본 논문은 이 방법이 효과적으로 멀티 스레딩이 가능하며, $B^0 \to J/\psi K \pi$ 붕괴 모델에서 입증된 바와 같이 입자 연쇄의 현실적인 진폭 분석에 적합하다고 결론짓습니다.