E-PCN: Jet Tagging with Explainable Particle Chebyshev Networks Using Kinematic Features

O artigo apresenta o E-PCN, uma rede neural de grafos explicável que integra quatro representações distintas de grafos ponderadas por características cinemáticas para alcançar desempenho de classificação de jatos no estado da arte no conjunto de dados JetClass, ao mesmo tempo em que identifica a separação angular e o momento transversal como os fatores dominantes que impulsionam suas decisões.

O essencial

Imagine um colisor de partículas de alta energia, como o Grande Colisor de Hádrons (LHC), como um acidente de carro em alta velocidade e de grande escala. Quando dois prótons colidem, eles não se partem apenas em duas peças; eles se despedaçam em uma chuva caótica de centenas de partículas menores. Os físicos chamam essas chuvas de "jatos".

O desafio é que esses jatos são a "impressão digital" da partícula original que causou a colisão. A colisão veio de um bóson de Higgs? De um quark top? Ou apenas de uma partícula comum e entediante? Identificar a fonte é como tentar descobrir que tipo de carro sofreu o acidente apenas observando os destroços espalhados.

Durante anos, cientistas têm usado Inteligência Artificial (IA) para classificar esses destroços. Mas há um problema: os melhores modelos de IA são frequentemente "caixas pretas". Eles acertam a resposta, mas não conseguem explicar por quê. É como um aluno que tira nota perfeita em uma prova de matemática, mas se recusa a mostrar seus cálculos. Na ciência, saber por quê é tão importante quanto obter a resposta correta.

Este artigo apresenta um novo modelo de IA chamado E-PCN (Rede de Chebyshev de Partículas Explicável). Pense nele como um detetive que não apenas resolve o caso, mas também escreve um relatório detalhado explicando exatamente quais pistas levaram à conclusão.

O Problema com a IA Antiga

Os modelos de IA anteriores tratavam a chuva de partículas como uma pilha gigante e bagunçada de dados. Eles olhavam para a imagem completa de uma só vez. Embora fossem bons em adivinhar o tipo de partícula, frequentemente dependiam de padrões acidentais ou "falhas" na simulação computacional, em vez das leis reais da física. Era como um detetive adivinhando o culpado com base na cor dos sapatos dele, em vez da impressão digital.

A Nova Solução: E-PCN

Os autores construíram o E-PCN com uma filosofia específica: Vamos ensinar as regras da física à IA primeiro.

Em vez de apenas despejar todos os dados em uma caixa preta, eles decomporam a chuva de partículas em quatro "lentes" ou "visões" específicas, baseadas em como as partículas realmente se comportam no universo (um conceito chamado Plano de Jato de Lund). Imagine olhar para uma cena de crime através de quatro óculos de cores diferentes:

1. O Óculos da Distância (Separação Angular, $\Delta$): Quão distantes estão as partículas umas das outras?
2. O Óculos da Velocidade (Momento Transverso Relativo, $k_T$): Quão rápido elas estão se movendo lateralmente?
3. O Óculos da Partilha (Fração de Momento, $z$): Quanto da energia original cada pedaço levou?
4. O Óculos do Peso (Massa Invariante, $m^2$): Quão pesado é o grupo combinado de partículas?

O modelo E-PCN possui quatro "cérebros" paralelos (redes neurais). Cada cérebro observa o jato através de apenas uma dessas quatro lentes.

• O Cérebro #1 se importa apenas com a distância.
• O Cérebro #2 se importa apenas com a velocidade.
• O Cérebro #3 se importa apenas com a partilha de energia.
• O Cérebro #4 se importa apenas com a massa.

Após cada cérebro fazer sua própria observação, todos se reúnem em uma "mesa de conferência" (uma camada de classificação) para combinar suas anotações e decidir qual era a partícula.

O Momento "Eureca": Explicabilidade

Como o modelo foi construído dessa forma, os pesquisadores podem perguntar: "Qual cérebro foi o mais importante para esta decisão?"

Eles usaram uma técnica chamada Grad-CAM (pense nela como um mapa de calor que destaca as pistas mais importantes). Os resultados foram fascinantes e coincidiram com o que os físicos sabem há décadas:

• Distância e Velocidade foram as estrelas do show. Juntas, elas compuseram cerca de 76% do poder de tomada de decisão.
• Partilha de Energia e Massa compuseram os 24% restantes.

Isso prova que a IA não está apenas memorizando padrões aleatórios; ela aprendeu a "gramática" real do universo. Ela percebeu que a maneira como as partículas se espalham (distância) e se movem (velocidade) são as pistas mais críticas, exatamente como previsto pelas leis da Cromodinâmica Quântica (QCD).

Funciona melhor?

Sim. Quando testado em um conjunto massivo de dados de colisões de partículas simuladas (JetClass):

• Foi mais preciso do que os modelos de ponta anteriores.
• Foi muito melhor em detectar partículas raras e pesadas (como o bóson de Higgs decaindo em quarks bottom), melhorando a capacidade de encontrá-las em mais de 80% em comparação com a linha de base antiga.

O Teste do Mundo Real: O Desafio dos "Dados Reais"

As simulações são perfeitas, mas a vida real é bagunçada. Detectores reais têm ruído, e partículas se perdem. Para testar se o E-PCN era realmente "inteligente" ou apenas "bom em simulações", os pesquisadores o testaram em dados reais do experimento CMS no LHC (chamado conjunto de dados Aspen Open Jets).

Como não tinham a "chave de respostas" para os dados reais, verificaram quão bem a IA conseguia agrupar jatos semelhantes (agrupamento).

• O modelo antigo (PCN) produziu uma pilha bagunçada e confusa de grupos.
• O novo modelo (E-PCN) produziu grupos limpos, distintos e bem separados.

Isso sugere que o E-PCN aprendeu a verdadeira física de como as partículas se comportam, permitindo que funcione mesmo quando os dados são ruidosos e imperfeitos, assim como um detetive real trabalhando em uma cena de crime bagunçada.

Resumo

Em resumo, os autores construíram uma IA mais inteligente para a física de partículas, dando a ela uma arquitetura "física primeiro". Em vez de deixar a IA adivinhar às cegas, eles deram a ela quatro ferramentas específicas para medir o universo. O resultado é um modelo que não é apenas mais preciso, mas também honesto sobre como pensa, confirmando que ele depende das leis fundamentais da natureza, e não de falhas computacionais.

Resumo técnico

Resumo Técnico: E-PCN: Tagging de Jatos com Redes Chebyshev de Partículas Explicáveis Usando Características Cinemáticas

Declaração do Problema
Experimentos de colisores de alta energia, particularmente com o futuro Colisor Hádron-Large de Alta Luminosidade (HL-LHC), enfrentam desafios significativos no processamento de vastos volumes de dados para identificar e classificar jatos (jatos colimados de partículas). Embora Redes Neurais de Grafos (GNNs), como a Rede Chebyshev de Partículas (PCN), tenham melhorado o desempenho na classificação de jatos ao tratá-los como grafos, elas frequentemente funcionam como "caixas pretas". Essa falta de interpretabilidade dificulta a validação do comportamento do modelo contra princípios físicos, levantando preocupações de que os modelos possam aprender correlações espúrias ou artefatos do detector em vez de fenômenos genuínos da Cromodinâmica Quântica (QCD). Há uma necessidade crítica de arquiteturas que não apenas alcancem precisão state-of-the-art, mas também forneçam processos de tomada de decisão transparentes e motivados fisicamente.

Metodologia
Os autores propõem a Rede Chebyshev de Partículas Explicável (E-PCN), uma extensão da PCN que integra explicitamente variáveis cinemáticas derivadas da formalidade do plano Lund na estrutura do grafo.

• Arquitetura de Multi-Grafo: Em vez de concatenar características cinemáticas em atributos de nós, a E-PCN constrói quatro representações de grafo paralelas para cada jato. Cada grafo compartilha as mesmas características de nó (propriedades de partículas de 16 dimensões) e conectividade (k-vizinhos mais próximos baseados em separação angular), mas utiliza uma variável cinemática distinta como peso da aresta:

  1. Separação angular ($\Delta$): Codifica a ordenação angular e emissões colineares.
  2. Momento transversal relativo ($k_T$): Define a escala para a constante de acoplamento forte e separa regimes perturbativos de não perturbativos.
  3. Fração de momento ($z$): Quantifica o compartilhamento de energia entre partões-filhos via funções de divisão DGLAP.
  4. Massa invariante ao quadrado ($m^2$): Fornece sensibilidade à identificação de jatos de sabor pesado.
     As três primeiras variáveis são motivadas pela fatorização do plano Lund das probabilidades de emissão QCD; a quarta complementa-as para sensibilidade a sabor pesado.

• Arquitetura da Rede: Cada um dos quatro ramos de grafo é processado por um extrator de características idêntico e independentemente parametrizado. Este extrator emprega uma abordagem de convolução híbrida, alternando entre Convoluções de Grafos Chebyshev (ChebConv) para capturar estruturas geométricas locais e Convoluções de Aresta (EdgeConv) para modelar relações pares de partículas. As quatro incorporações de jato de 64 dimensões resultantes são empilhadas e combinadas via uma camada de convolução $1\times1$ antes de passar por camadas totalmente conectadas para classificação.

• Mecanismo de Explicabilidade: Os autores adaptam o Mapeamento de Ativação de Classe Ponderado por Gradiente (Grad-CAM) para este cenário de multi-grafo. Ao calcular o gradiente da pontuação da classe em relação às incorporações de cada ramo de grafo específico, eles quantificam a importância relativa de cada variável cinemática na decisão de classificação.

Principais Contribuições

1. Design de Multi-Grafo Informado pela Física: A E-PCN introduz uma arquitetura inovadora que processa aspectos complementares da dinâmica de jatos QCD (estrutura geométrica, escalas radiativas, probabilidades de divisão e limiares de massa) simultaneamente através de canais de grafo dedicados, em vez de tratá-los como um conjunto de características monolítico.
2. Explicabilidade Quantitativa: O trabalho demonstra como o Grad-CAM pode ser aplicado a GNNs de multi-grafo para revelar uma hierarquia de importância de características interpretável fisicamente. A análise confirma que a rede prioriza variáveis consistentes com a fatorização perturbativa QCD.
3. Generalização para Dados Reais: Diferentemente de muitos benchmarks restritos à simulação, os autores avaliam a qualidade da representação do modelo no conjunto de dados Aspen Open Jets, composto por dados reais de colisões CMS com efeitos de detector e pileup. Eles empregam treinamento não supervisionado DeepCluster para avaliar a estrutura de agrupamento na ausência de rótulos de verdade fundamental.

Resultados
Avaliado no benchmark JetClass (9 classes de sinal e 1 fundo):

• Desempenho de Classificação: A E-PCN alcança uma precisão macro de 94,67%, um macro-AUC de 96,78% e um macro-AUPR de 82,41%. Estas representam melhorias relativas de 2,36%, 4,13% e 24,88% sobre a PCN de base, respectivamente. Notavelmente, o AUPR para canais de sabor pesado ($H \to b\bar{b}$) melhorou em 81,53%.
• Análise de Explicabilidade: O Grad-CAM revela que a separação angular ($\Delta$) e o momento transversal relativo ($k_T$) coletivamente respondem por aproximadamente 76% das decisões de classificação (40,72% e 35,67%, respectivamente). Esta hierarquia alinha-se com a estrutura de fatorização soft-collinear da QCD. Variações específicas de classe foram observadas, como importância elevada de $k_T$ para jatos de glúons e importância aumentada de $m^2$ para jatos de quark bottom, consistente com a escala de Casimir e o efeito dead-cone.
• Generalização para Dados Reais: No conjunto de dados Aspen Open Jets, a E-PCN produziu representações latentes significativamente mais estruturadas do que a PCN. O Índice Davies-Bouldin diminuiu 52,15% (0,8395 $\to$ 0,4017) e o Índice Dunn aumentou 42,33% (0,0189 $\to$ 0,0269), indicando compactação e separação de clusters superiores.

Significado e Alegações
O artigo alega que a E-PCN conecta com sucesso a lacuna entre aprendizado profundo de alto desempenho e interpretabilidade física no tagging de jatos. Ao codificar variáveis cinemáticas do plano Lund na estrutura do grafo, o modelo aprende representações que refletem os padrões de radiação QCD subjacentes em vez de artefatos de simulação. Os autores enfatizam que, embora a hierarquia de importância das características corresponda às previsões teóricas da QCD, isso serve como validação de que a arquitetura explora efetivamente a estrutura presente nos dados de treinamento.

Crucialmente, o desempenho de agrupamento aprimorado em dados reais do CMS sugere que essas representações informadas pela física são robustas o suficiente para generalizar além de simulações idealizadas para condições experimentais envolvendo efeitos de detector e pileup. O trabalho conclui que construir redes neurais em torno de princípios cinemáticos estabelecidos melhora tanto a interpretabilidade quanto o desempenho de classificação, oferecendo uma direção promissora para o tagging de jatos em futuros ambientes de colisores de alta luminosidade. Os autores observam que a validação definitiva dessas alegações de interpretabilidade sob incertezas sistemáticas experimentais completas permanece um assunto para trabalhos futuros.