Lorentz-Equivariance without Limitations

No mundo de alta energia da física de partículas, cientistas colidem prótons a velocidades próximas à da luz para recriar as condições do universo primitivo. Os detritos resultantes são uma dispersão caótica de novas partículas, registrados por detectores massivos como uma nuvem de pontos no espaço e no tempo. Para dar sentido a esse caos, os pesquisadores dependem das leis da relatividade especial, que estabelecem que as regras fundamentais da física não mudam, independentemente de como um observador está se movendo ou de onde ele está localizado. Esse princípio, conhecido como invariância de Lorentz, significa que o comportamento de uma partícula parece o mesmo se vista de um laboratório estacionário ou de uma nave espacial passando em alta velocidade. No entanto, quando os cientistas usam inteligência artificial para analisar essas colisões de partículas, eles enfrentam um problema difícil: programas de computador padrão não entendem naturalmente essas regras de movimento. Eles frequentemente tratam os dados como se fossem uma imagem estática, perdendo as profundas relações geométricas que governam como as partículas interagem. Essa limitação força os pesquisadores a construir modelos de computador muito específicos e rígidos, que são difíceis de adaptar, ou a usar quantidades massivas de poder computacional para ensinar um modelo padrão a adivinhar as regras através de tentativa e erro.

Uma equipe de físicos e cientistas da computação desenvolveu um novo método chamado Canonicalização Local de Lorentz, ou LLoCa, que resolve esse problema ao conferir a qualquer rede neural uma compreensão intrínseca da relatividade sem diminuir sua velocidade. Em vez de forçar o computador a aprender as regras do movimento do zero, este método ensina a rede a criar um referencial de movimento pessoal para cada partícula que ela vê. Imagine uma partícula como um viajante que carrega seu próprio mapa; a rede prevê este mapa para cada partícula, permitindo que o computador traduza todos os dados complexos e em movimento em uma linguagem local simples, onde as leis da física são fáceis de ler. Uma vez que os dados são traduzidos para esses referenciais locais, a rede pode processá-los usando qualquer arquitetura padrão e flexível. Após a conclusão do cálculo, a rede traduz os resultados de volta para a visão global do detector. Essa abordagem permite que o computador respeite as simetrias fundamentais do universo, mantendo-se rápido e adaptável a diferentes tipos de problemas de física.

Os pesquisadores testaram este novo framework em três desafios distintos que são centais para a física de partículas moderna: prever a força das interações de partículas, gerar simulações realistas de colisões de partículas e identificar tipos específicos de partículas escondidas nos detritos. No primeiro teste, eles pediram à rede para prever a probabilidade de um evento de espalhamento específico envolvendo um bóson Z e até quatro glúons. Descobriram que, ao adicionar este sistema de referencial local às redes neurais padrão, as previsões tornaram-se significativamente mais precisas do que as feitas por modelos não relativísticos, e igualaram o desempenho de modelos especializados muito mais complexos. Crucialmente, o novo método alcançou essa alta precisão com muito menos esforço computacional, rodando quatro vezes mais rápido que os modelos de última geração anteriores projetados especificamente para essa tarefa.

Na segunda aplicação, a equipe usou o método para gerar novos eventos de colisão de partículas do zero. Esta é uma tarefa vital para simular o que os detectores devem ver, mas é notoriamente difícil porque o computador deve aprender um panorama multidimensional complexo de possibilidades. Os pesquisadores descobriram que, para este trabalho específico, a rede não precisava ser perfeitamente simétrica em todas as direções. Em vez disso, ela teve o melhor desempenho quando foi permitida a quebra de algumas das regras de simetria estritas para corresponder à geometria específica do detector de partículas, que possui uma direção preferencial ao longo da linha do feixe. Ao deixar a rede aprender a respeitar apenas as simetrias que realmente existem nos dados do detector, eles alcançaram os melhores resultados possíveis. Essa descoberta desafia a ideia de que um modelo de computador deve ser sempre perfeitamente simétrico para ser eficaz; às vezes, saber onde a simetria se quebra é tão importante quanto.

O teste final e mais extenso envolveu o "jet tagging", um processo onde computadores devem distinguir entre jatos de partículas causados por quarks top pesados e aqueles causados pelo ruído de fundo comum. Esta é uma habilidade crítica para encontrar nova física, pois os quarks top são frequentemente produzidos em eventos raros e interessantes. A equipe aplicou seu método a várias arquiteturas de redes de alto desempenho já estabelecidas, atualizando-as para serem relativísticas. Eles criaram um novo conjunto de dados massivo contendo 135 milhões de eventos simulados para treinar esses modelos, muito maior do que qualquer conjunto de dados anterior usado para esta tarefa específica. Em grande escala, as redes atualizadas superaram suas contrapartes não relativísticas e igualaram o desempenho dos modelos especializados mais avançados. Os resultados mostraram que, embora o novo método funcione bem em conjuntos de dados pequenos, seu verdadeiro poder é revelado quando a quantidade de dados é grande, permitindo que a rede utilize as leis da física para aprender de forma mais eficiente.

Um insight fundamental do estudo diz respeito a como a rede lida com a simetria dos dados. Os pesquisadores descobriram que, para algumas tarefas, como gerar eventos, é suficiente que a rede respeite apenas a simetria residual do detector. No entanto, para identificar partículas em jatos, o melhor desempenho veio de uma abordagem híbrida. A rede foi permitida a usar todo o poder da simetria relativística em seus cálculos internos, mas também recebeu pontos de referência específicos, como a direção do feixe de partículas, como entradas extras. Isso permitiu que a rede decidisse por si mesma quando usar a simetria total e quando confiar na geometria específica do detector. Essa flexibilidade provou ser a estratégia mais eficaz, permitindo que o modelo alcançasse a maior precisão sem ser limitado por regras rígidas que podem não se aplicar a todas as partes dos dados.

O estudo também demonstrou que este novo framework não se limita a um tipo de rede neural. Os pesquisadores aplicaram com sucesso o método tanto a redes de grafos (graph networks), que tratam partículas como nós conectados, quanto a transformadores (transformers), que são modelos poderosos frequentemente usados no processamento de linguagem. Em todos os casos, o método atuou como uma atualização universal, tornando uma rede existente relativística com apenas um pequeno aumento no número de parâmetros ajustáveis. O custo computacional desta atualização foi mínimo, adicionando apenas cerca de um por cento ao número total de parâmetros e exigindo um tempo adicional desprezível. Isso sugere que o método pode ser facilmente adotado pela comunidade física mais ampla para melhorar ferramentas existentes sem a necessidade de reescrever sistemas de software inteiros do zero.

Ao fornecer uma maneira de incorporar as simetrias fundamentais do universo em modelos de aprendizado de máquina com overhead mínimo, este trabalho remove uma barreira importante ao progresso na física de partículas. Ele permite que os pesquisadores utilizem as arquiteturas de redes neurais mais poderosas e flexíveis disponíveis hoje, garantindo que elas respeitem as leis da natureza. A capacidade de gerar melhores simulações, prever forças de interação com maior precisão e identificar partículas raras com maior confiança abre novas portas para a análise dos vastos volumes de dados esperados de futuros colisores de partículas. Os pesquisadores disponibilizaram seu código e conjuntos de dados publicamente, convidando outros a testar e refinar essas ferramentas, garantindo que a próxima geração de descobertas na física de partículas possa ser construída sobre uma base de dados e de profundo entendimento físico.