Physically Consistent Parameter Inference: Transparent Machine Learning Emulation in High Energy Physics and Cosmology

Resumo Técnico: Inferência de Parâmetros Fisicamente Consistente via Aprendizado de Máquina Transparente

Definição do Problema
Ajustes globais em física de altas energias (HEP) e cosmologia frequentemente enfrentam o desafio de explorar espaços de parâmetros de alta dimensão restritos por centenas de medições correlacionadas. As funções de verossimilhança nesses domínios costumam exibir topologias complexas, incluindo fortes correlações de parâmetros, comportamento não gaussiano, múltiplos mínimos locais e degenerações "curvadas" e alongadas. Além disso, avaliar as previsões teóricas necessárias para essas verossimilhanças é computacionalmente caro, envolvendo frequentemente evoluções de grupo de renormalização, integrais de distância numéricas ou o cálculo de centenas de observáveis. Abordagens estatísticas tradicionais, como o Método de Monte Carlo via Cadeias de Markov (MCMC) ou amostragem aninhada (nested sampling), dependem de avaliações repetidas da verossimilhança, tornando varreduras exaustivas de parâmetros impraticáveis ou proibitivamente lentas. Há uma necessidade crítica de modelos substitutos (surrogates) rápidos e interpretáveis que possam emular esses complexos paisagens de verossimilhança sem sacrificar o rigor estatístico ou a interpretabilidade física.

Metodologia
Os autores propõem um framework unificado de Aprendizado de Máquina (ML) projetado para emular a função de log-verossimilhança (ou $\chi^2$) usando XGBoost (eXtreme Gradient Boosting), um conjunto de árvores de regressão de gradiente impulsionado (gradient-boosted regression trees). O framework integra três componentes principais:

1. Construção do Modelo Substituto (Surrogate):

   • Geração de Dados de Treinamento: O conjunto de dados de treinamento é construído usando uma estratégia híbrida. Ele combina um design de preenchimento de espaço (usando Amostragem de Hipercubo Latino ou sequências de Sobol) sobre todo o volume do prior, com uma nuvem Gaussiana mais densa concentrada ao redor da região de melhor ajuste, derivada do Hessiano do ajuste. Isso garante cobertura tanto de espaços de parâmetros amplos quanto de degenerações estreitas e anisotrópicas.
   • Aprendizado Ativo: Para regiões onde a verossimilhança é esparsa ou exibe estruturas agudas, um loop de aprendizado ativo refina o conjunto de dados. Um processo Gaussiano (GP) substituto prevê a incerteza, e uma função de aquisição (Melhoria Esperada) seleciona novos pontos para avaliação exata, concentrando progressivamente a amostragem onde isso melhora mais a verossimilhança emulada.
   • Transformação do Alvo: Para lidar com a vasta amplitude dinâmica dos valores de $\chi^2$ (de $\sim 10^3$ a $10^6$) e garantir que o modelo resolva as regiões estreitas de confiança próximas ao mínimo, os autores empregam transformações de alvo específicas. Estas incluem log-verossimilhança direta para ajustes de sabor (flavor fits), uma estratégia de dois estágios de classificador-mais-regressor usando uma transformação sigmoide para partículas do tipo axion (ALPs), e uma transformação log10 deslocada ($y = \log_{10}(\chi^2 - \chi^2_{\min} + 1)$) para cosmologia. Este deslocamento mapeia o mínimo para uma região íngreme consistente da transformação, independentemente do valor absoluto de $\chi^2$.

2. Interpretabilidade via SHAP:

   • Para garantir que as previsões de ML permaneçam fisicamente consistentes, o framework utiliza valores SHAP (Shapley Additive Explanations). Baseado na teoria dos jogos cooperativos, o SHAP quantifica a contribuição marginal de cada característica (parâmetro do modelo) para a previsão.
   • O algoritmo TreeSHAP é usado para computar valores SHAP exatos em tempo polinomial para conjuntos de árvores. Isso fornece um ranking de importância de parâmetros independente do modelo e revela dependências não lineares, garantindo que o substituto capture a física subjacente em vez de ruído numérico.

3. Exploração da Posterior:

   • O $\chi^2$ emulado é amostrado usando um algoritmo de Random-Walk Metropolis–Hastings paralelo. A covariância de proposta é definida pelo fator de Cholesky da covariância do ajuste para melhorar a mistura (mixing) em espaços correlacionados.
   • Testes de Fechamento (Closure Tests): O framework valida o substituto comparando a distribuição de $\Delta\chi^2$ sobre pontos aceitos contra a distribuição $\chi^2$ esperada (teorema de Wilks) e, no caso cosmológico, comparando diretamente a posterior emulada contra a verossimilhança exata amostrada via múltiplos back-ends independentes (Astropy, CPU, GPU).

Principais Aplicações e Resultados
O framework é validado através de três aplicações distintas de ajuste global de complexidade e dimensionalidade crescentes:

1. Anomalias de Sabor em Decaimentos Semilepônicos de B Meson (SMEFT19):

   • Contexto: Analisando desvios em transições $b \to c\tau\nu$, $b \to s\nu\bar{\nu}$ e $b \to s\ell^+\ell^-$ usando o framework SMEFT19 (Cenário III).
   • Desempenho: O substituto XGBoost alcançou um coeficiente de correlação de Pearson de $r=0.99$ com a verossimilhança exata.
   • Aceleração: A velocidade de avaliação aumentou por um fator de $\sim 10^5$ (de $\sim 3$ segundos por ponto para $\sim 34$ microssegundos).
   • Insight Físico: O substituto reproduziu com sucesso a quebra da degeneração $C_1 = C_3$ e a crista curva no plano $(C_1, \beta_q)$. A análise SHAP classificou corretamente os parâmetros ($C_3 > C_1 > \beta_q$) de forma consistente com a estrutura do operador subjacente. Crucialmente, revelou que a forte correlação entre $R_D$ e $BR(B^+ \to K^+\nu\bar{\nu})$ encontrada em cenários anteriores desaparece quando $C_1$ e $C_3$ variam independentemente.

2. Partículas do Tipo Axion (ALPs) e a Anomalia de Belle II:

   • Contexto: Explicar o excesso de $2.8\sigma$ em $B^+ \to K^+\nu\bar{\nu}$ com um ALP leve ($m_a \approx 2$ GeV). A verossimilhança é não-gaussiana e descontínua devido a limiares cinemáticos e probabilidades de decaimento dependentes do tempo de vida.
   • Estratégia: Foi utilizado um método de dois estágios: um classificador (transformação sigmoide) para isolar a região relevante de baixo $\chi^2$, seguido por um regressor.
   • Desempenho: O classificador alcançou um AUC de 0.974, e o regressor atingiu $r=0.929$.
   • Aceleração: A velocidade de avaliação aumentou em $\sim 5.3 \times 10^5$ (de $\sim 1.9$ segundos para $\sim 3.5$ microssegundos).
   • Insight Físico: O SHAP identificou a massa do ALP ($m_a$) como o parâmetro mais crítico, seguido pela carga PQ dos quarks de terceira geração à esquerda ($X^3_{qL}$) e a constante de decaimento ($f_a$). A posterior favoreceu corretamente $m_a \approx 1.8$ GeV e $f_a \in [10^6, 10^7]$ GeV.

3. Cosmologia ($\Lambda$CDM e $w_0w_a$CDM):

   • Contexto: Ajustando Supernovas do Tipo Ia (Pantheon+, DES), Oscilações Acústicas de Bárions (DESI) e um prior comprimido de CMB para restringir parâmetros de energia escura ($w_0, w_a$).
   • Validação: Ao contrário dos outros casos, a verossimilhança cosmológica exata é barata o suficiente para ser amostrada diretamente. Os autores rodaram MCMC na verossimilhança exata usando quatro back-ends diferentes (Astropy, CPU, GPU e o substituto de ML) e confirmaram que as posteriors são estatisticamente indistinguíveis.
   • Aceleração: O substituto foi $3.6$–$22.4\times$ mais rápido que a implementação vetorizada em CPU e $7.2$–$12.1\times$ mais rápido que o kernel de GPU.
   • Insight Físico: O substituto capturou a preferência por energia escura dinâmica ($w_0 > -1, w_a < 0$) nos dados de supernova+BAO e a reversão para $\Lambda$CDM quando o prior do CMB é adicionado. A análise SHAP identificou corretamente a hierarquia de restrições: sem o CMB, os parâmetros de fundo ($H_0, \Omega_m$) dominavam; com o CMB, os parâmetros de energia escura ($w_0, w_a$) tornaram-se os mais restritos, refletindo o aperto físico dos contornos.

Significância e Alegações
O artigo afirma apresentar um framework de inferência baseado em verossimilhança que é geral, interpretável e fisicamente consistente. Sua principal significância reside em demonstrar que:

• Eficiência: Substitutos de ML podem acelerar a exploração do espaço de parâmetros em várias ordens de magnitude (até $10^5$) mantendo alta precisão.
• Robustez: O método lida com diversas topologias de verossimilhança, desde superfícies suaves do tipo Gaussiana até paisagens não-gaussianas, descontínuas e altamente estruturadas, através de designs de treinamento adaptativos e transformações de alvo.
• Transparência: Ao integrar valores SHAP, o framework evita a natureza de "caixa preta" típica de ML, garantindo que as hierarquias e correlações de parâmetros inferidas sejam fisicamente interpretáveis e consistentes com a teoria subjacente.
• Validação: A aplicação cosmológica serve como um benchmark controlado, provando que o aumento de velocidade não ocorre às custas da precisão estatística, uma vez que as posteriors emuladas são indistinguíveis daquelas derivadas de cálculos exatos.

Os autores concluem que este framework é prontamente transferível para outros problemas de ajuste global e oferece uma base para desenvolvimentos futuros em aprendizado ativo automatizado e emuladores diferenciáveis.