Iterative HOMER with uncertainties

Dit paper introduceert iHOMER, een iteratieve methode met Bayesian neural networks en onzekerheidsbewuste regressie om vooroordelen weg te nemen en nauwkeurige, goed gekalibreerde Lund-fragmentatiefuncties te extraheren uit experimentele data.

De kern

Stel je voor dat je een enorme, ingewikkelde puzzel probeert op te lossen: hoe worden deeltjes die uit een botsing komen (zoals in de Large Hadron Collider) omgezet in de deeltjes die we daadwerkelijk zien? In deeltjesfysica noemen we dit hadronisatie.

Het probleem is dat de wiskunde hierachter te complex is om exact uit te rekenen. Wetenschappers gebruiken daarom computersimulaties (zoals een recept) om dit na te bootsen. Maar deze simulaties zijn niet perfect; ze zijn een beetje zoals een oude, vervallen receptenboekje. Soms komen de resultaten niet helemaal overeen met wat we in het echt zien in de experimenten.

Deze paper introduceert een slimme nieuwe methode genaamd iHOMER. Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het Probleem: Een Vervormde Spiegel

Stel je voor dat je een foto maakt van een object, maar de camera (de simulatie) is een beetje scheef ingesteld. De foto ziet er anders uit dan het echte object.

• De "Data": Dit is de echte foto uit het experiment.
• De "Sim": Dit is de scheve foto van de computer.

De oude methode (HOMER) probeerde de scheve foto te corrigeren door een "filter" toe te passen. Maar deze filter was niet perfect. Het was alsof je probeerde een gebogen spiegel recht te buigen door er één keer tegenaan te duwen. Het lukte een beetje, maar er bleef nog steeds een vertekening (bias) over.

2. De Oplossing: iHOMER (Iteratief en Slim)

De auteurs van deze paper zeggen: "Laten we het niet in één keer proberen, maar herhaaldelijk."

• Iteratie (Herhaling): In plaats van één keer te proberen de simulatie aan te passen, doen ze het stap voor stap.
  • Stap 1: Kijk naar het verschil tussen de simulatie en de echte data.
  • Stap 2: Pas de simulatie een beetje aan om dichter bij de data te komen.
  • Stap 3: Kijk opnieuw naar het verschil (nu is het kleiner) en pas het weer aan.
  • Stap 4: Herhaal dit totdat de simulatie en de data bijna identiek zijn.

Dit is als het schaven van een houten blokje. Je haalt niet in één keer alles weg, maar je schraapt steeds een heel dun laagje af tot het perfect rond is.

3. De Nieuwe Toevoeging: "Onzekerheid met een Meetlat"

Een groot probleem bij deze slimme computermodellen is: "Hoe zeker zijn we dat het werkt?"
Vaak geven AI-modellen een antwoord zonder te zeggen hoe betrouwbaar dat antwoord is. Alsof een weersvoorspeller zegt: "Morgen regent het," zonder te zeggen of het een druppel of een stortbui is.

Deze paper lost dat op door twee slimme trucjes te gebruiken:

1. Bayesiaanse Netwerken (De "Twijfelaar"): Ze gebruiken een speciaal type AI die niet alleen een antwoord geeft, maar ook een "zekerheidsmarge". Het zegt: "Ik denk dat dit de juiste correctie is, maar ik heb een twijfel van X%."
2. Fouten in de keten: Ze begrijpen dat elke stap in het proces (van het kijken naar de data tot het aanpassen van de simulatie) een beetje ruis toevoegt. Ze meten deze ruis en houden het bij.

De analogie:
Stel je voor dat je een kok bent die een gerecht moet nabootsen.

• De oude methode zei: "Probeer het na te maken."
• De nieuwe iHOMER-methode zegt: "Probeer het na te maken, controleer of het smaakt, pas het recept aan, en doe dit steeds opnieuw. En schrijf ook op: 'Ik ben 90% zeker dat dit de juiste hoeveelheid zout is, maar als ik 10% minder doe, smaakt het ook nog prima'."

4. Waarom is dit belangrijk?

In deeltjesfysica zijn de metingen extreem nauwkeurig. Als je niet precies weet hoe deeltjes ontstaan (hadronisatie), kun je geen nieuwe deeltjes vinden of de massa van bekende deeltjes (zoals de top-quark) niet precies meten.

Met iHOMER kunnen wetenschappers:

• Simulaties maken die veel beter overeenkomen met de echte wereld.
• Weten hoe betrouwbaar die simulaties zijn (met een foutmarge).
• De "recepten" (fragmentatiefuncties) achterhalen die de natuur eigenlijk gebruikt, zonder dat ze van tevoren weten hoe die eruitzien.

Samenvatting in één zin

De auteurs hebben een slimme, herhalende methode ontwikkeld om computermodellen van deeltjesbotsingen te verbeteren, waarbij ze niet alleen de simulatie "rechtzetten", maar ook precies meten hoe zeker ze zijn van hun eigen verbetering.

Het is alsof ze een oude, onnauwkeurige kaart hebben gebruikt om een schat te vinden, en nu een GPS hebben gebouwd die niet alleen de juiste route aangeeft, maar ook aangeeft hoe groot de kans is dat je de verkeerde afslag neemt.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het paper "Iterative HOMER with uncertainties" in het Nederlands.

Titel: Iterative HOMER with uncertainties (iHOMER)

Auteurs: Anja Butter et al. (MLhad collaboration)
Publicatie: SciPost Physics (voorbereid voor publicatie, datum maart 2026)

---

1. Het Probleem

Monte Carlo-eventgeneratoren (MCEGs) zoals PYTHIA, HERWIG en SHERPA zijn essentieel voor de analyse van data van deeltjesversnellers zoals de LHC. Een cruciaal onderdeel van deze simulaties is hadronisatie: het proces waarbij partonen (quarks en gluonen) binden tot hadronen (zoals pionen). Omdat dit proces niet-perturbatief is, worden empirische modellen gebruikt, zoals het Lund-stringmodel.

Er zijn echter drie grote uitdagingen bij het verbeteren van deze modellen met Machine Learning (ML):

1. Complexe relatie: De link tussen de microscopische dynamica van hadronisatie en de waarneembare data is complex.
2. Onzekerheden: ML-modellen moeten betrouwbare onzekerheidsindicaties leveren (zowel statistisch als systematisch).
3. Fysische interpretatie: Het doel is niet alleen de nauwkeurigheid van de simulator te verhogen, maar ook het fysische begrip van hadronisatie te verbeteren zonder de onderliggende fysische modellen (zoals het Lund-model) volledig te verwerpen.

Bestaande methoden zoals HOMER (History and Observables for Monte-Carlo Event Reweighting) proberen een fragmentatiefunctie te leren door een referentie-simulatie te herschalen (reweighting) om overeen te komen met data. Echter, de oorspronkelijke HOMER-methode leed onder een bias door de aanname dat event-gewichten kunnen worden gefactoriseerd in keten-gewichten, wat niet altijd exact geldt voor niet-inverteerbare observabelen. Daarnaast ontbrak een robuuste methode voor het kwantificeren van onzekerheden.

2. Methodologie: iHOMER

Het paper introduceert iHOMER, een iteratieve en onzekerheidsbewuste uitbreiding van de HOMER-methode. De aanpak bestaat uit twee hoofdstappen die iteratief worden herhaald:

Stap 1: Event Reweighting (Classificatie)

• Doel: Het schatten van de verhouding tussen de waarschijnlijkheidsdichtheid van de data ($p_{data}$) en de referentie-simulatie ($p_{ref}$) in de waarneembare ruimte.
• Techniek: Een Bayesiaanse Neuraal Netwerk (BNN) wordt getraind om "Data"-events te onderscheiden van "Sim"-events.
• Onzekerheid: Door het gebruik van een BNN wordt de statistische onzekerheid (door eindige datasetgrootte) gekwantificeerd via variatie in de netwerkparameters ($\theta$). Dit levert een gewicht $w_\theta(x)$ en een bijbehorende variantie op.

Stap 2: Weight Factorization (Regressie)

• Doel: Het afleiden van de fundamentele string-break gewichten $w(s)$ (op het niveau van individuele fragmentaties) die de verandering in de Lund-fragmentatiefunctie $f(z|m_T^2)$ vertegenwoordigen.
• Techniek: Een regressor wordt getraind om de output van Stap 1 te benaderen, maar dan op basis van de eigenschappen van de string-breuk ($s$).
• Onzekerheid: Er wordt gebruik gemaakt van heteroscedastische regressie. Het netwerk leert niet alleen het gemiddelde gewicht, maar ook een systematische onzekerheid ($\sigma_\phi$). Deze onzekerheid vangt de fout op die ontstaat doordat de event-gewichten niet perfect kunnen worden gefactoriseerd in keten-gewichten (de "non-factorization error").

Iteratief De-biasing

Om de bias veroorzaakt door de factorisatie-aanname weg te werken, wordt het proces iteratief uitgevoerd:

1. Na iteratie $i$ worden de geleerde gewichten gebruikt om de referentieverdeling $p_{ref}$ te updaten naar een nieuwe verdeling $p_{ref}^{(i+1)}$.
2. Stap 1 en Stap 2 worden opnieuw getraind op deze verbeterde referentie.
3. Stopconditie: De iteratie stopt wanneer de Area Under the Curve (AUC) van de BNN-classificatie in Stap 1 statistisch niet meer significant verschilt van 0.5. Dit betekent dat de herschalen simulatie en de data niet meer van elkaar te onderscheiden zijn.

3. Belangrijkste Bijdragen

1. Iteratief Framework: Een methode om systematisch de bias in de HOMER-methode te verwijderen door de referentieverdeling iteratief aan te passen, wat leidt tot een nauwkeurigere benadering van de ware fragmentatiefunctie.
2. Kwantificering van Onzekerheden:
   • Integratie van Bayesiaanse Neural Networks voor statistische onzekerheden in de classificatiestap.
   • Implementatie van heteroscedastische loss in de regressiestap om systematische onzekerheden (voornamelijk door de factorisatie-benadering) te leren.
   • De methode levert kalibratie-gecontroleerde onzekerheden op die downstream kunnen worden gebruikt.
3. Validatie via Sluitingstest (Closure Test): De methode is getest op gesimuleerde data waarbij de "ware" fragmentatiefunctie bekend is (een mengsel van Lund-functies), wat een ideale testomgeving biedt om de nauwkeurigheid en kalibratie te verifiëren.

4. Resultaten

De auteurs hebben iHOMER getraind op een dataset van $2 \times 10^6$ events gegenereerd met PYTHIA 8.312.

• Nauwkeurigheid:
  • Na 3 iteraties (iHOMER-3) reproduceert de methode de data-distributie op het niveau van percentages voor zowel hoge-niveau observabelen (zoals Thrust, C- en D-parameters) als de onderliggende fragmentatiefunctie.
  • De oorspronkelijke HOMER (1 iteratie) toonde afwijkingen tot 10%.
  • De methode presteert aanzienlijk beter dan een traditionele parametrische fit, omdat iHOMER geen aannames doet over de analytische vorm van de fragmentatiefunctie.
• Onzekerheidskalibratie:
  • De geleerde onzekerheden zijn goed gekalibreerd. De "pull"-statistieken (het verschil tussen voorspelling en ware waarde, genormaliseerd door de onzekerheid) volgen een Gaussische verdeling met een gemiddelde van 0.
  • De onzekerheid in Stap 2 is systematisch groter dan de BNN-onzekerheid uit Stap 1, wat correct is omdat het de extra fout door de factorisatie-benadering omvat.
  • De methode is conservatief: de onzekerheden zijn groot genoeg om de degeneratie van de fragmentatiefunctie (waarbij verschillende functies dezelfde hoge-niveau observabelen kunnen produceren) af te dekken.
• Parameter Sluiting:
  • Een parametrische fit op de geleerde iHOMER-fragmentatiefunctie (met een mengselmodel) leverde parameters op die consistent waren met de "ware" parameters die in de simulatie werden gebruikt. Dit bewijst dat iHOMER een fysisch interpreteerbaar model leert, ondanks dat het niet-parametrisch is.

5. Betekenis en Toekomstperspectief

Deze paper markeert een belangrijke stap in de toepassing van ML in de deeltjesfysica:

• Betrouwbare ML: Het toont aan dat ML-modellen voor hadronisatie niet alleen nauwkeuriger kunnen zijn dan traditionele modellen, maar ook betrouwbare onzekerheidsindicatoren kunnen bieden, wat essentieel is voor precisiemetingen (zoals de top-quark massa of $\alpha_s$ bepaling).
• Fysisch Inzicht: Door het behoud van het Lund-stringmodel als basis en het leren van correcties, blijft de fysica interpreteerbaar.
• Toekomst: De methode is momenteel getest op een vereenvoudigd scenario ($q\bar{q}$-strings zonder gluonen). De volgende stap is het uitbreiden naar complexere scenario's met gluonen, cluster-modellen en het meenemen van detector-effecten en perturbatieve onzekerheden.

Samenvattend biedt iHOMER een robuust, iteratief en onzekerheidsbewust raamwerk om hadronisatiemodellen data-gedreven te optimaliseren, waardoor de systematische onzekerheden in toekomstige LHC-analyses kunnen worden verlaagd.