GPU-accelerated spectrum reweighting for new-physics searches in solar neutrino--electron scattering

Resumo Técnico: Reponderação de Espectro Acelerada por GPU para Espalhamento Neutrino Solar–Elétron

Enunciado do Problema
Medições de precisão do espalhamento elástico neutrino solar–elétron servem como sondas sensíveis para física Além do Modelo Padrão (BSB), incluindo Interações Não Padronizadas (NSI) e momentos magnéticos de neutrinos anômalos. Esses novos efeitos da física modificam a seção de choque diferencial, alterando tanto a taxa de eventos quanto a forma espectral dos elétrons de recuo. Em análises de verossimilhança convencionais, testar uma hipótese de nova física requer a propagação de um espectro de recuo modificado através de um modelo de resposta do detector derivado de simulações Monte Carlo (MC) completas (ex: Geant4). Este processo é computacionalmente proibitivo quando realizado para cada ponto em um espaço de parâmetros multidimensional, pois a regeneração de amostras MC ao nível do detector para cada variação de parâmetro domina o custo de ajustes, varreduras (scans) e estudos de Monte Carlo de Cadeia de Markov (MCMC).

Metodologia
Os autores propõem uma estrutura de reponderação de espectro acelerada por GPU que desacopla a variação de parâmetros físicos da simulação do detector. A metodologia central baseia-se nos seguintes passos:

1. Suposição de Fatoração: A estrutura assume que a resposta do detector para um elétron de recuo com uma determinada energia cinética $T$ é independente da interação subjacente (Modelo Padrão, NSI ou momento magnético). Consequentemente, uma única amostra MC de linha de base gerada sob a hipótese do Modelo Padrão (SM) é suficiente para definir o mapeamento entre a energia de recuo real e os observáveis reconstruídos (ex: fotoelétrons).
2. Reponderação Bin-a-Bin: Em vez de regenerar amostras MC, o método aplica pesos multiplicativos aos bins do espectro de energia de recuo. Para um conjunto de novos parâmetros de física $\varepsilon$, o espectro de recuo previsto é calculado como $f_T(T; \varepsilon) = r(T; \varepsilon) \cdot \hat{f}^{SM}_T(T)$, onde $r(T; \varepsilon)$ é a função de reponderação derivada das seções de choque diferenciais modificadas.
3. Propagação de Resposta Fixa: O espectro reponderado é propagado através de uma matriz de resposta do detector pré-computada, bidimensional $R_{ij}$ (mapeando o bin de recuo real $i$ para o bin de observável reconstruído $j$). Esta matriz, derivada do Geant4, inclui efeitos como o quenching de cintilação, resolução de energia e eficiência de reconstrução.
4. Implementação em GPU: O cálculo é implementado utilizando a biblioteca de modelos template NVIDIA Thrust, utilizando primitivas paralelas (transform, reduce, transform-reduce). O código é escrito em uma única fonte que compila tanto para os backends CUDA (GPU) quanto OpenMP (CPU). O pipeline envolve:
   • Atualização de Física: Computação de probabilidades de oscilação e seções de choque diferenciais em uma grade cinemática discretizada.
   • Reponderação de MC: Aplicação da função de reponderação ao espectro de recuo e convolução com a matriz de resposta fixa.
   • Avaliação de Verossimilhança: Acúmulo do espectro previsto e avaliação da log-verossimilhança de Poisson.

Principais Contribuições

• Eficiência Algorítmica: A principal aceleração é alcançada evitando a regeneração de amostras MC ao nível do detector para cada ponto de parâmetro. Isso reduz o custo computacional de uma atualização de parâmetro de horas (simulação completa) para milissegundos (reponderação).
• Agnosticismo de Hardware: A estrutura é projetada para rodar tanto em GPUs de consumo comum (ex: NVIDIA RTX 3080 Ti) quanto em aceleradores de datacenter (ex: NVIDIA A30X), bem como em CPUs multi-core, utilizando um código unificado.
• Validação: O método é validado contra uma referência analítica onde a solução exata é conhecida. A previsão de reponderação reproduz a verdade analítica com um desvio integral abaixo de $10^{-6}$ para uma grade de recuo de 2000 bins, confirmando que a aproximação de nível de bin introduz um erro desprezível em comparação com a escala de discretização.

Resultos

• Benchmarks de Desempenho:
  • Em uma GPU NVIDIA A30X de datacenter, uma única avaliação de verossimilhança leva aproximadamente 52 ms. Isso representa um aumento de velocidade de 58× sobre um único thread de CPU e um aumento de 2,5× sobre uma CPU de 64 threads totalmente carregada.
  • Em uma NVIDIA RTX 3080 Ti de consumo, a avaliação leva aproximadamente 87 ms, permitindo varreduras de parâmetros interativas em uma única estação de trabalho.
• Precisão: A estrutura recupera com sucesso parâmetros injetados em testes de "injeção-recuperação" para ambas as NSIs diagonais de sabor e momentos magnéticos de neutrinos. A dependência íngreme $1/T$ da seção de choque do momento magnético, que impõe um teste rigoroso para a precisão do binamento, é tratada com alta precisidade.
• Escalabilidade: A implementação em GPU escala eficientemente, sendo que o gargalo computacional é a aplicação repetida do núcleo (kernel) de resposta, que é naturalmente paralelizada entre os bins de energia reconstruída.

Significância e Alegações
O artigo afirma que esta estrutura permite varreduras de parâmetros interativas para análises de espalhamento neutrino-elétron solar em hardware acessível a pesquisadores individuais. Os autores enfatizam que a principal aceleração provém da estratégia algorítmica de evitar a regeneração de MC e não apenas da aceleração de hardware da GPU. Embora a GPU forneça um fator adicional de aceleração sobre CPUs multi-core, o valor do método reside em tornar a modelagem de detector de alta fidelidade viável dentro de loops de ajuste iterativos que anteriormente eram computacionalmente intratáveis.

O escopo é explicitamente limitado a cenários onde a nova física pode ser representada como uma reponderação de um espectro de recuo existente (ex: NSIs diagonais de sabor e momentos magnéticos) enquanto a resposta do detector permanece fixa. Os autores observam que cenários envolvendo partículas de estado final qualitativamente diferentes ou estruturas de mudança de sabor exigiriam formalismo adicional. O trabalho serve como um estudo de métodos, validado em respostas analíticas sintéticas e matrizes derivadas de Geant4, sem utilizar conjuntos de dados experimentais específicos.