The Latent Information Geometry of Jet Classification

Este artigo introduz conceitos de geometria da informação, como curvatura e não-metricidade, para analisar a geometria latente aprendida por redes neurais e aplica esses métodos para compreender a física subjacente à classificação de jatos de quarks e glúons.

O essencial

Imagine que você tem um computador muito inteligente (uma rede neural) que aprendeu a distinguir entre dois tipos de coisas: por exemplo, um jato de quark e um jato de glúon (partículas que voam em aceleradores de partículas como o LHC). O computador faz isso com uma precisão incrível, mas ele é uma "caixa preta": sabemos que ele acerta, mas não sabemos como ele pensa ou quais regras físicas ele está usando.

Este artigo, escrito por físicos e cientistas de dados, propõe uma nova maneira de "abrir a caixa preta" usando uma ferramenta chamada Geometria da Informação.

Aqui está a explicação simplificada, usando analogias do dia a dia:

1. O Mapa do Tesouro (O Espaço Latente)

Quando a rede neural analisa os dados, ela não guarda uma foto de cada partícula. Em vez disso, ela cria um mapa mental (chamado de "espaço latente"). Imagine que você tem um mapa de um país onde cada cidade é um tipo de partícula.

• Se duas partículas são parecidas, elas ficam perto no mapa.
• Se são muito diferentes, ficam longe.

O problema é que a rede neural não desenha esse mapa com linhas retas e quadrados perfeitos (como um mapa de rua comum). Ela o desenha de forma distorcida, como um mapa feito em um pedaço de borracha esticada.

2. A Regra do "Esticamento" (Geometria da Informação)

Os autores dizem: "Vamos entender como essa borracha está esticada". Eles usam conceitos de matemática avançada (geometria diferencial) para medir três coisas nesse mapa:

• Curvatura: O mapa é plano ou tem montanhas e vales?
• Não-Metricidade (O Conceito Chave): Imagine que você tem uma régua mágica. Em um mundo normal, a régua mede sempre a mesma distância. Neste mapa da rede neural, a régua muda de tamanho dependendo de onde você está!
  • Analogia: Pense em um mapa de um país onde, perto da fronteira entre duas cidades, a distância de 1 km parece ser de 100 km (porque é difícil cruzar a fronteira). Já no meio da cidade, 1 km parece ser apenas 1 metro. A rede neural "estica" o espaço onde a decisão é difícil e "comprime" onde é fácil.

3. A Bússola da Decisão (Fronteiras de Decisão)

O artigo mostra que a rede neural usa esse "esticamento" para separar as classes.

• Na fronteira entre Quark e Glúon: O mapa fica super esticado. É como se a rede dissesse: "Cuidado! Aqui é a linha tênue entre o bem e o mal. Um pequeno passo aqui muda tudo".
• Longe da fronteira: O mapa é normal. A rede está confiante e não precisa "esticar" o espaço.

Os autores criaram novas "ferramentas de medição" (escalares) para ver exatamente onde essa fronteira está e quão "distorcida" ela é. É como ter um detector de mentiras que mostra onde a rede está mais insegura.

4. O Exemplo dos Digits (1 vs 7)

Para explicar a ideia, eles usaram um exemplo simples: ensinar o computador a diferenciar o número 1 do número 7.

• Eles descobriram que a rede neural foca em duas coisas principais: o comprimento da linha horizontal do topo e o ângulo da linha vertical.
• Usando a geometria, eles viram que, perto da linha que separa o 1 do 7, a rede muda drasticamente a importância desses dois traços. Se o ângulo mudar um pouquinho, o computador pode achar que é um 7 em vez de um 1. A geometria mostra qual traço é o culpado pela confusão.

5. Aplicação Real: O LHC e o "Topo"

Depois de testar com números, eles aplicaram isso no mundo real, no Grande Colisor de Hádrons (LHC).

• Quark vs. Glúon: Eles viram que a rede usa principalmente a quantidade de partículas (multiplicidade) para decidir. Glúons tendem a ter mais "partículas filhas" do que quarks. A geometria mostrou que a rede aprendeu exatamente essa regra física.
• Topo vs. Z vs. Quark/Glúon: Eles tentaram separar três tipos de jatos. Descobriram que a rede entende a "história" da partícula. Por exemplo, um jato de "Topo" (que decai em 3 pedaços) precisa passar por uma fase de "Z" (2 pedaços) para virar um "Quark" (1 pedaço). A geometria do mapa mostra que a rede entende essa evolução natural, como se estivesse seguindo um caminho lógico de transformação.

Resumo da Ópera

Este artigo é como dar um raio-X para a mente de uma inteligência artificial.
Em vez de apenas dizer "o computador acertou 99% das vezes", os autores dizem: "Olhe, o computador aprendeu que a fronteira entre essas duas coisas é um lugar onde as regras de distância mudam. Ele aprendeu a física por trás disso, esticando e dobrando o mapa mental dele para separar as coisas corretamente."

Isso é crucial porque, na física de partículas, não basta o computador acertar; precisamos ter certeza de que ele está acertando pelos motivos físicos corretos e não por algum truque estatístico estranho. A Geometria da Informação nos permite ver esses motivos.

Resumo técnico

Título: A Geometria da Informação Latente na Classificação de Jatos

Autores: Rebecca Maria Kuntz, Tilman Plehn, Björn Malte Schäfer, Benedikt Schosser e Sophia Vent.
Publicação: SciPost Physics (Submissão, Março de 2026).

1. Problema e Motivação

O aprendizado de máquina (ML) moderno na física de partículas, especialmente em tarefas de classificação de jatos no LHC (Large Hadron Collider), alcançou alto desempenho, mas frequentemente opera como uma "caixa preta". A questão central é: como as redes neurais codificam as correlações físicas e a similaridade entre dados em seus espaços latentes?

Embora seja sabido que representações latentes de baixa dimensão não são espaços euclidianos simples, a estrutura geométrica exata (curvatura, não-metricidade) que permite a separação de classes físicas (como jatos de quarks vs. glúons, ou jatos de Top vs. Z vs. QCD) não foi completamente explorada. A física subjacente, como a definição de jatos de quarks e glúons além da ordem líder na QCD perturbativa, é complexa e dependente de efeitos de detector e hadronização. Entender a geometria latente é crucial para:

• Explicar quais características físicas a rede utiliza.
• Validar a robustez dos classificadores.
• Reduzir a lacuna entre simulação e dados reais.

2. Metodologia: Geometria da Informação

Os autores propõem uma abordagem baseada na Geometria da Informação, aplicando conceitos de geometria diferencial e relatividade geral aos espaços de representação aprendidos por redes neurais.

• Variedade Estatística: O espaço latente é tratado como uma variedade estatística $M$, onde os parâmetros da rede definem coordenadas locais.
• Métrica de Fisher: A métrica fundamental é a Informação de Fisher ($g_{ij}$), que mede a sensibilidade da distribuição de probabilidade (saída da rede) a pequenas perturbações nos parâmetros latentes.
• Conexões Duais e Não-Metricidade: Diferente da geometria Riemanniana padrão (que usa a conexão de Levi-Civita, livre de torção e compatível com a métrica), a geometria da informação utiliza conexões duais ($\nabla^{(+1)}$ e $\nabla^{(-1)}$) derivadas de divergências (como a divergência KL).
  • Essas conexões não preservam a métrica individualmente, introduzindo um tensor de não-metricidade (o Tensor de Amari-Chentsov, $C_{ijk}$).
  • O tensor $C_{ijk}$ quantifica a assimetria (skewness) da distribuição de verossimilhança e a falha em preservar comprimentos e ângulos sob transporte paralelo.
• Novos Escalares Invariantes: Para analisar a complexidade geométrica, os autores propõem quatro novos escalares invariantes derivados do tensor de Amari-Chentsov:
  1. $C_1$: Contração completa do tensor (mede a assimetria total).
  2. $C_2$: Contração do campo de Chebyshev (traço do tensor).
  3. $C_3$: Parte sem traço do tensor (indica complexidade irremovível da distribuição).
  4. $C_4$: Um escalar motivado por teorias de gravidade alternativa, relacionado à curvatura de Ricci de Levi-Civita ($R_{LC}$).

3. Contribuições Principais

1. Framework de Análise Geométrica: Estabelecimento de um método para analisar a geometria latente de classificadores e decodificadores (VAEs) usando curvatura, geodésicas e não-metricidade.
2. Descoberta de Invariantes: Demonstração de que, para famílias exponenciais de verossimilhança (comuns em classificadores), a curvatura escalar dual ($R^{(\pm 1)}$) é zero, mas a não-metricidade (via $C_1, C_2, C_3$) é não nula e carrega a informação decisiva sobre as fronteiras de decisão.
3. Novos Escalares de Não-Metricidade: Introdução dos escalares $C_1, C_2, C_3, C_4$ como ferramentas diagnósticas para identificar redundâncias no modelo e complexidade da distribuição de dados.
4. Aplicação Física em Jatos: Mapeamento da geometria latente para observáveis físicos reais (multiplicidade, massa do jato, $N$-subjettiness), validando que a rede aprende estruturas físicas coerentes.

4. Resultados e Análise

O estudo foi aplicado em três cenários:

A. Classificação Binária (MNIST 1 vs. 7 e Jatos Quark-Glúon)

• Fronteiras de Decisão: Os escalares $C_1$ e $C_2$ traçam nitidamente as fronteiras de decisão no espaço latente.
• Geometria Unidimensional: Para classificação binária, a geometria efetiva é unidimensional. A rede codifica a informação principalmente na direção ortogonal à fronteira de decisão.
• Alinhamento: Existe um alto alinhamento (similaridade de cosseno) entre a métrica do classificador e a do decodificador nas regiões de fronteira, indicando que as características físicas reconstruídas são as mesmas usadas para a classificação.
• Curvatura vs. Não-Metricidade: O escalar $C_4$ (relacionado à curvatura) é zero, confirmando que a informação é codificada na não-metricidade (distorção de distâncias e ângulos), não na curvatura do espaço.

B. Classificação de Três Classes (Jatos Quark/Glúon, Z, Top)

• Estrutura Hierárquica: A análise de geodésicas e autoparalelas revela a relação física entre as classes.
  • A transição de jatos de Top (3 pontas) para Z (2 pontas) e depois para QCD (1 ponta) segue um caminho geométrico específico.
  • As geodésicas mostram que a transição Top $\to$ QCD passa por uma região de características semelhantes ao Z, validando a intuição física de decaimento em cascata.
• Distâncias de Fisher-Rao: A distância estatística entre Top e QCD é significativamente maior do que entre Z e QCD ou Top e Z, refletindo a facilidade com que os taggers distinguem o Top.
• Dualidade: A geometria é "dualmente plana" (curvatura zero), mas a não-metricidade é forte. O campo de Chebyshev empurra as geodésicas de Levi-Civita para longe das autoparalelas, indicando uma estrutura complexa de mistura de probabilidades.

C. Reconstrução de Características Físicas

• Ao calcular a derivada direcional do decodificador ao longo das geodésicas do classificador, os autores identificaram quais observáveis físicos dominam a mudança de classe:
  • Quark vs. Glúon: A multiplicidade de partículas ($n_{PF}$) e a dispersão de momento transversal ($p_{TD}$) são os fatores dominantes.
  • Top vs. Z vs. QCD: As razões de $N$-subjettiness ($\tau_{21}, \tau_{32}$) e a massa do jato ($m_{jet}$) são os principais condutores da separação geométrica.

5. Significado e Impacto

• Interpretabilidade Física: O trabalho fornece uma ponte matemática rigorosa entre as "caixas pretas" das redes neurais e a teoria física subjacente. Mostra que as redes não apenas aprendem a classificar, mas aprendem a geometria da física (como a estrutura de decaimento e radiação).
• Diagnóstico de Modelos: Os novos escalares ($C_1, C_2, C_3$) servem como ferramentas para detectar se um modelo está aprendendo características físicas robustas ou apenas ruídos de simulação.
• Robustez e Generalização: Ao entender que a informação é codificada na não-metricidade e não na curvatura, os físicos podem desenvolver melhores estratégias para treinar modelos que sejam robustos a variações de detector e simulação, fechando a lacuna entre dados simulados e reais.
• Fundamentação Teórica: A aplicação da geometria da informação à física de altas energias abre um novo campo de estudo para entender a estrutura de dados em colisores de partículas, sugerindo que a "distância" estatística é uma medida mais fundamental de similaridade física do que a distância euclidiana.

Em resumo, o artigo demonstra que a geometria latente aprendida por redes neurais para classificação de jatos é uma estrutura não-métrica rica, onde a não-metricidade (assimetria da verossimilhança) desempenha o papel central na codificação de fronteiras de decisão e características físicas, oferecendo novas ferramentas para a física de partículas baseada em dados.