⚛️ high-energy experiments

Goodness-of-fit for multi-distribution neutrino cross-section measurements with shared events

Dit artikel introduceert de range-geprojecteerde $\chi^{2}$ -teststatistiek om onfysische goedheid-van-pas resultaten in multi-distributie neutrino-doorsnede-metingen te verhelpen, veroorzaakt door rang-defecte covariantie-matrices voortvloeiend uit gedeelde gebeurtenissen, door de analyse te beperken tot de subruimte van onafhankelijke statistische informatie.

Oorspronkelijke auteurs: Francisco Martinez Lopez, London Cooper-Troendle, Steven Gardiner, Patrick Green, Tanaz Mohayai

Gepubliceerd 2026-09-22

📖 4 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Francisco Martinez Lopez, London Cooper-Troendle, Steven Gardiner, Patrick Green, Tanaz Mohayai

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

In de subatomaire wereld bestuderen wetenschappers hoe neutrino's — spookachtige deeltjes die bijna door alles heen gaan — met materie interageren. Om deze interacties te begrijpen, schieten onderzoekers bundels neutrino's op doelwitten en registreren het puin dat eruit vliegt. Uit deze botsingen extraheren ze gedetailleerde kaarten die cross-secties worden genoemd, die de waarschijnlijkheid van specifieke uitkomsten bij verschillende energieën en hoeken beschrijven. Moderne experimenten zijn zo geavanceerd geworden dat ze nu meerdere verschillende kaarten kunnen extraheren uit exact dezelfde verzameling botsingsevenementen. In plaats van alleen naar de snelheid van een deeltje te kijken, kunnen ze simultaan de snelheid, de hoek en de relatie tussen die twee eigenschappen in kaart brengen, allemaal vanuit een enkele batch gegevens. Deze aanpak is krachtig omdat het elke beschikbare informatie gebruikt, maar het creëert een subtiele wiskundige valstrik. Omdat dezelfde gebeurtenissen worden gebruikt om elke enkele kaart te bouwen, zijn de getallen in deze verschillende grafieken niet onafhankelijk; ze zijn aan elkaar gekoppeld door het feit dat ze dezelfde bron delen.

Deze onderlinge afhankelijkheid creëert een verborgen probleem wanneer wetenschappers proberen hun theorieën te toetsen aan de gegevens. Om te zien of een model van de deeltjesfysica overeenkomt met de werkelijkheid, vergelijken onderzoekers doorgaans hun voorspellingen met de metingen met behulp van een statistische score die de verschillen optelt. Echter, wanneer de gegevens afkomstig zijn van deze gedeelde-evenementenkaarten, faalt de standaard manier om deze score te berekenen. De gedeelde gebeurtenissen leggen strikte regels op aan de getallen: als je de tellingen in één kaart optelt, moeten deze wiskundig gezien gelijk zijn aan de tellingen in een andere, omdat ze dezelfde fysieke objecten tellen. Deze regels betekenen dat sommige richtingen in de data helemaal geen nieuwe informatie bevatten; ze worden bepaald door de geometrie van de meting in plaats van door de fysica van de botsing. Wanneer wetenschappers dit negeren en hun standaardtests uitvoeren, behandelt de wiskunde deze vaste, onveranderlijke richtingen alsof ze vrij kunnen variëren. Dit zorgt ervoor dat de statistische score explodeert met kunstmatieve, absurde waarden, waardoor onderzoekers correcte theorieën onterecht verwerpen of verkeerde conclusies trekken over hoe deeltjes zich gedragen.

Een team van natuurkundigen heeft nu een manier ontwikkeld om dit gebrek te herstellen, zodat deze meerdimensionale metingen correct getest kunnen worden. Ze realiseerden zich dat het probleem geen fout in de data is, maar een voorspelbaar kenmerk van de organisatie van de data. Door de structuur van de bins — de vakjes die worden gebruikt om de gebeurtenissen te sorteren — te analyseren, identificeerden ze precies welke combinaties van getallen aan elkaar gekoppeld zijn en welke vrij kunnen variëren. Vervolgens creëerden ze een nieuwe testmethode die simpelweg de vergrendelde richtingen negeert en zich concentreert op de delen van de data die daadwerkelijk onafhankelijke informatie bevatten. Deze aanpak, die ze de range-projected test noemen, stript de kunstmatige ruis weg die de scores opblas.

Om te bewijzen dat hun methode werkt, testten de onderzoekers het eerst op een vereenvoudigd, computergegenereerd model van een neutrino-experiment. In deze simulatie vergeleken ze een "ware" model van deeltjesgedrag met een "nep" model dat er iets van verschilt. Wanneer ze de oude, ongecorrigeerde methode gebruikten, verwierp de test het correcte model ongeveer een derde van de tijd, simpelweg omdat de wiskunde in de war raakte door de gedeelde gebeurtenissen. Wanneer ze hun nieuwe projectiemethode toepasten, gedroeg de test zich perfect door het correcte model te accepteren en het onjuiste model met de verwachte betrouwbaarheid te verwerpen. Ze namen de methode vervolgens mee naar een realistischer scenario, waarbij een complexe simulatie van een experiment met argon-doelwitten en real-world detector-effecten werd uitgevoerd. Hier faalde de ongecorrigeerde test opnieuw door zowel het correcte als het onjuchte model te verwerpen, alsof geen van beide zinvol was. De nieuwe methode identificeerde echter het ware model terwijl het onjuiste model werd afgewezen, waardoor het vermogen van het experiment om concurrerende theorieën te onderscheiden werd hersteld.

De onderzoekers toonden ook aan dat ze precies kunnen voorspellen hoeveel van deze vergrendelde richtingen bestaan voordat ze zelfs maar naar de data kijken, enkel door te weten hoe het experiment is opgezet en hoe de bins zijn gerangschikt. Dit betekent dat de oplossing geen gok is, maar een nauwkeurige berekening gebaseerd op het ontwerp van de meting zelf. Door de richtingen te verwijderen die geen statistische kracht bezitten, levert de nieuwe teststatistiek een helder, eerlijk antwoord over de vraag of een theorie bij de data past. Dit werk zorgt ervoor dat naarmate experimenten complexer worden en meer informatie uit dezelfde gebeurtenissen extraheren, wetenschappers hun conclusies kunnen vertrouwen. Het verandert een potentiële bron van fouten in een opgelost probleem, waardoor de gemeenschap met vertrouwen verder kan gaan in haar begrip van de ongrijpbare aard van het neutrino.

Technische Samenvatting: Goedheid-van-passing voor multi-distributie neutrino-doorsnedemetingen met gedeelde events

Probleemstelling
Moderne neutrino-doorsnedemetingen extraheren steeds vaker meerdere differentiële distributies uit een enkele, gemeenschappelijke event-sample (bijvoorbeeld MicroBooNE-metingen van eindtoestanden met en zonder protonen, of multi-differentiele QE-achtige doorsnedes). In dergelijke analyses dragen dezelfde fysieke events simultaan bij aan meerdere gerapporteerde distributies. Deze "event-sharing" structuur legt exacte lineaire beperkingen op aan de bin-tellingen over verschillende distributies heen. Als bijvoorbeeld elk geselecteerd event precies één bin in elke distributie vult, moeten de totale event-aantallen over de distributies heen identiek zijn.

Deze beperkingen verminderen de effectieve dimensionaliteit van de meting tot onder het totaal aantal bins. Bijgevolg vertoont de statistische covariantie-matrix ( $C_{stat}$ ) een rangtekort, waarbij een nulruimte bestaat waarin de variantie identiek nul is. Hoewel beperkte numerieke precisie vaak voorkomt dat de covariantie-matrix exact singulier wordt (waardoor inversie mogelijk blijft) en systematische onzekerheden deze nul-richtingen kunnen "verheffen" naar kleine niet-nul varianties, falen standaard globale goedheid-van-passing tests (zoals $\chi^2$ ). Wanneer een forward-folded voorspelling wordt vergeleken met data, worden kleine residuen langs deze beperkte richtingen gedeeld door bijna-nul varianties. Dit resulteert in willekeurig grote, onfysische bijdragen aan de $\chi^2$ -statistiek, wat de totale waarde opblaast en leidt tot de valse verwerping van correcte modellen. Bovendien leidt het negeren van het rangtekort tot een incorrect aantal vrijheidsgraden.

Methodologie
De auteurs stellen een "range-projected $\chi^2$ " teststatistiek voor, ontworpen om de goedheid-van-passing test te beperken tot de subspace die onafhankelijke statistische informatie bevat. De methodologie verloopt als volgt:

Identificatie van beperkingen: Het papier formaliseert de beperkingen met behulp van een "combinatiematrix" ( $\Omega$ ). Elke rij van $\Omega$ representeert een unieke indicatorvector die beschrijft welke bins een event over alle distributies heen vult. De rang van $\Omega$ bepaalt het aantal onafhankelijke richtingen in de meetruimte. Het aantal nul-richtingen wordt gedefinieerd als $N_{null} = N_{bins} - \text{rank}(\Omega)$ .
Decompositie van de nulruimte: De auteurs deconstrueren $N_{null}$ $N_{n u l l}$ in twee componenten:
- Structurele nulruimte ( $N_{null}^{struct}$ ): Bepaald a priori door de geometrie van het binning-schema (bin-randen) en de topologie van de blokken, onafhankelijk van de specifieke event-sample.
- Kinematische nulruimte ( $N_{null}^{kinem}$ ): Voortvloeiend uit fase-ruimte bezetting (bijvoorbeeld regio's in de fase-ruimte die geometrisch toegestaan zijn maar fysiek leeg zijn door doorsnedekruising-onderdrukking of detector-acceptatie). Deze component wordt bepaald vanuit de Monte Carlo event-naar-bin mapping.
Constructie van de Projector: De auteurs construeren een orthogonale projector ( $P_{reco}$ ) op de subspace die orthogonaal staat op de nulruimte (het bereik van de covariantie). Dit wordt bereikt via de eigendecompositie van $\Omega^T\Omega$ , waarbij niet-nul eigenvalues (fysieke richtingen) worden gescheiden van nul eigenvalues (beperkte richtingen).
Definitie van de Teststatistiek: De range-projected $\chi^2$ wordt gedefinieerd in de gereconstrueerde ruimte als:
$\chi^2_{proj} = \delta^T (P_{reco} C_{total} P_{reco})^+ \delta$
waarbij $\delta$ de residu-vector is, $C_{total}$ de totale covariantie-matrix is, en $(\cdot)^+$ de Moore–Penrose pseudoinversie aanduidt. In de praktijk wordt dit berekend door het probleem te reduceren tot de $r = N_{bins} - N_{null}$ dimensies gespannen door de niet-nul eigenvectoren, waardoor de noodzaak voor een pseudoinversie op de volledige matrix wordt vermeden.

Belangrijkste Bijdragen
Het papier levert twee primaire bijdragen:

Theoretisch Inzicht: Het toont aan dat het rangtekort in de covariantie-matrix geen incidenteel numeriek artefact is, maar een voorspelbaar, structureel gevolg van het gedeelde-event meetontwerp. De beperkte richtingen komen overeen met lineaire combinaties van bins die vaststaan door event-conservering in plaats van gemeten te worden, wat betekent dat de data geen statistische kracht bezit langs deze richtingen.
Voorschrijvend Algoritme: Het biedt een methode om het aantal beperkte richtingen ( $N_{null}$ ) a priori te berekenen. Dit omvat een algoritme om de structurele bijdrage direct uit bin-randen te bepalen (Appendix A) en een procedure om kinematische bijdragen te identificeren uit de event-sample. Dit maakt de exacte bepaling van vrijheidsgraden mogelijk zonder te vertrouwen op willekeurige eigenvalue-drempels die worden toegepast op de door systematische fouten gecontamineerde covariantie-matrix.

Resultaten
De methode werd gevalideerd via twee afzonderlijke studies:

Analytisch Toy Model: Een simulatie van een muon-neutrino charged-current quasi-elastic-achtige interactie met een drie-blokken binning-schema (22 bins totaal) onthulde 5 nul-richtingen.
- De ongeprojecteerde $\chi^2$ (met 22 vrijheidsgraden) leverde een gemiddelde waarde op van 30,6, aanzienlijk hoger dan de verwachte 22, wat leidde tot een valse verwerpingsgraad van 32,4% bij het 5% significantieniveau.
- De range-projected $\chi^2$ (met 17 vrijheidsgraden) leverde een gemiddelde van 17,23 op, consistent met de verwachte $\chi^2(17)$ distributie, en een valse verwerpingsgraad van 5,7%.
- Parameter-schatting met de geprojecteerde statistiek herstelde de ware parametervariabelen met correcte frequentistische dekking, terwijl de ongeprojecteerde statistiek bevooroordeelde resultaten en ernstige onderdekking produceerde.
Event Generator Studie: Een realistische simulatie van neutrino-argon doorsnedemetingen met gebruik van GENIE en NuWro generatoren, inclusief unfolding (Wiener-SVD) en multi-bron systematische onzekerheden.
- De studie identificeerde 5 nul-richtingen (4 structureel, 1 kinematisch).
- De ongeprojecteerde statistiek verwierp zowel het correcte (NuWro) als het incorrecte (GENIE) model, waardoor de test nutteloos werd voor discriminatie.
- De geprojecteerde statistiek accepteerde correct het ware model ( $\chi^2 = 15,7/16$ ) en verwierp het incorrecte model sterk ( $\chi^2 = 154,4/16$ ), waarmee zowel de kalibratie als de discriminerende kracht werden hersteld.
- De studie bevestigde dat de geprojecteerde statistiek identieke numerieke waarden oplevert, of deze nu in de gereconstrueerde of de unfolded ruimte worden berekend, mits de projectie vóór de unfolding wordt toegepast.

Betekenis en Omvang
Het artikel betoogt dat naarmate multi-distributie metingen met gedeelde events de standaard worden, een correct gekalibreerde globale goedheid-van-passing test essentieel is voor modeltuning en generatorvergelijking. De range-projected $\chi^2$ biedt een lichtgewicht, a priori oplossing die enkel de gepubliceerde covariantie, binning en respons-matrices vereist, wat het toepasbaar maakt op reeds gepubliceerde metingen.

De auteurs merken op dat de methode steunt op de assumptie van exacte event-sharing. Indien distributies verschillende fase-ruimte limieten, achtergrond-subtracties of signaal-definities gebruiken, worden de beperkingen benaderend. In dergelijke gevallen verkrijgen de nul-richtingen kleine maar genuante onzekerheden. De data bezitten dan kleine maar echte varianties. In die gevallen suggereert het papier dat de structurele projectie de beperkingen mogelijk overschat, en dat alternatieve benaderingen zoals binned likelihood fits (die beperkingen automatisch absorberen) meer geschikt kunnen zijn. Echter, voor metingen die ontworpen zijn met exacte sharing, wordt de projectiemethode gepresenteerd als de noodzakelijke correctie om onfysische inflatie van goedheid-van-passing metrieken te voorkomen.

Meer zoals dit