Flow-Based Surrogates for High-Dimensional Likelihoods in Experimental Neutrino Physics

Resumo Técnico: Surrogatos Baseados em Fluxo para Verossimilhanças de Alta Dimensionalidade em Física Experimental de Neutrinos

Problema
Experimentos de neutrinos de longa linha de base de precisão dependem de dados de detectores próximos para restringir incertezas sistemáticas (parâmetros de incerteza/nuisance parameters) que afetam o fluxo não oscilado de neutrinos. Essas restrições são essenciais para medições precisas de parâmetros de oscilação em detectores distantes e para análises conjuntas entre múltiplos experimentos. No entanto, as funções de verossimilhança restringidas nestes cenários são frequentemente de alta dimensionalidade (ex: $\sim 100$ parâmetros) e não gaussianas devido a dependências não lineares de parâmetros, limites físicos e estatísticas limitadas.

Os métodos de propagação atuais enfrentam uma lacuna metodológica:

1. Aproximações Gaussianas Pós-ajuste (Post-fit): São portáteis e de forma fechada, mas assumem uma log-verossimilhança quadrática, falhando em capturar caudas assimétricas, correlações curvas e modos não gaussianos, o que pode introduzir viés.
2. Monte Carlo via Cadeias de Markov (MCMC): Embora sejam assintoticamente exatas e fiéis à estrutura da verossimilhança, as amostras de MCMC não são funções contínuas de forma fechada, tornando-as difíceis de inserir diretamente em verossimilhanças a jusante para otimização baseada em gradiente ou reuso eficiente.
3. Implementações de Verossimilhança Completa: São precisas, mas exigem acesso a softwares, dados e infraestrutura específicos, tornando-as impraticáveis para a propagação portátil de restrições.

Metodologia
Os autores propõem o uso de Fluxos de Normalização (Normalizing Flows - NF) como modelos substitutos (surrogates) explícitos e portáteis para verossimilhanças sistemáticas de alta dimensionalidade. A abordagem envolve o aprendizado de um mapa invertível $f_\theta$ que transforma uma distribuição base simples na densidade de verossimilhança sistemática alvo $p(\eta) \propto \mathcal{L}(\eta)$.

• Arquitetura Híbrida: Para equilibrar expressividade e custo computacional em altas dimensões, os autores empregam uma arquitetura híbrida que particiona os parâmetros de incerteza $\eta$ em dois blocos:

  • $\eta_B$ (Alta dimensão, aproximadamente linear): Modelado usando camadas de acoplamento (blocos de acoplamento afim). Estes fornecem inversões analíticas rápidas de passagem única e avaliações de densidade, adequados para a maior parte dos parâmetros que exibem comportamento linear.
  • $\eta_A$ (Baixa dimensão, altamente não linear): Modelado usando Splines Quadráticas Racionais de Autoregressão Condicional (RQ-NSF). Este bloco captura características não gaussianas complexas. A estrutura autoregressiva é condicionada a $\eta_B$ para preservar as correlações cruzadas, restringindo o cálculo autoregressivo caro ao bloco menor e mais difícil.
  • Inicialização: O fluxo é inicializado usando a aproximação gaussiana pós-ajuste (ponto de melhor ajuste e matriz de covariância de um ajuste padrão) para fornecer uma proposta inicial forte e amostras de treinamento.

• Estratégia de Treinamento: O modelo é treinado minimizando uma divergência de Kullback-Leibler (KL) simétrica entre a verossimilhança alvo e a aproximação por fluxo. Para lidar com a alta dimensionalidade e o custo das avaliações de verossimilhança, utiliza-se um esquema de treinamento assíncrono iterativo:

  • Trabalhadores de CPU amostram de um checkpoint "atrasado" do fluxo para gerar amostras de proposta.
  • Essas amostras são avaliadas contra a verossimilhança alvo dispendiosa.
  • O conjunto de dados resultante é enviado para um buffer FIFO.
  • Um treinador de GPU otimiza continuamente os parâmetros do fluxo sobre o conjunto de dados agregado.
  • Este processo refina iterativamente a distribuição de proposta, reduzindo a variância dos pesos de importância.

Contribuições Principais e Resultados
O método foi testado em uma réplica realista de uma análise do detector próximo do T2K envolvendo 110 parâmetros sistemáticos, dos quais 10 introduzem não-gaussianidades explícitas via pesos de eventos não lineares.

• Fidelidade no Espaço de Parâmetros: O surrogato NF treinado reproduz a verossimilhança alvo com alta fidelidade.
  • Distribuições Marginais: O NF captura com precisão as caudas assimétricas e os modos deslocados do valor de melhor ajuste para os 10 parâmetros não lineares, correspondendo de perto a uma cadeia de referência MCMC (4,2 milhões de amostras). Em contraste, a aproximação gaussiana falha em capturar essas características.
  • Correlações: O NF modela corretamente correlações curvas e regiões de confiança distorcidas em projeções 2D, o que o modelo gaussiano não consegue capturar.
• Previsões de Fluxo: Ao propagar incertezas sistemáticas para previsões de fluxo:
  • As bandas de incerteza derivadas do NF concordam com os resultados de MCMC dentro de $\approx \pm 1\%$.
  • A aproximação gaussiana superestima a largura das incertezas em $\approx 3,5\%$ e subestima a taxa mediana de eventos em $\approx 0,2\%$, indicando um viés no surrogato gaussiano.
• Eficiência de Amostragem:
  • O NF treinado alcança um tamanho efetivo de amostra relativo (rESS) de 98%, comparado a apenas 5% da proposta gaussiana inicial.
  • Isso representa uma melhoria de $\sim 20$ vezes na eficiência de amostragem para amostragem de importância.
  • Uma vez treinado, o surrogato é computacionalmente barato: pode gerar $\sim 38$ milhões de amostras por hora-GPU, comparado a $\sim 10.000$ avaliações por hora-CPU da verossimilhança original.
• Escalabilidade: O custo computacional escala principalmente com o tamanho do bloco não linear ($D_A$), não com a dimensão total. Mesmo com $D_A=100$, o surrogato permanece significativamente mais rápido que a avaliação da verossimilhança original.

Significância e Alegações
O artigo afirma que os fluxos de normalização fornecem uma solução "fiel e portátil" para verossimilhanças de alta dimensionalidade em física de neutrinos. Ao converter a verossimilhança sistemática ajustada em um modelo de densidade explícito, o NF atua como um surrogato de forma fechada, amostrável e avaliável ponto a ponto.

A significância reside em preencher a lacuna entre resumos gaussianos e amostras MCMC:

• Como as aproximações gaussianas, o NF é leve, portátil e não requer os dados originais ou as ferramentas de ajuste para uso a jusante.
• Como o MCMC, ele preserva toda a estrutura não gaussiana (assimetria, correlações curvas, caudas não gaussianas), evitando assim os vieses inerentes às aproximações quadráticas.

Os autores posicionam este método como essencial para futuras medições de oscilação de precisão, particularmente para ajustes conjuntos de experimentos (ex: T2K-NOvA) ou análises globais onde as restrições de um estágio devem ser rigorosamente propagadas para outro sem perda de informação estatística. O fluxo treinado permite a otimização baseada em gradiente e a propagação de incertezas em análises a jusante sem a necessidade de rodar novamente o ajuste inicial.