Normalizing Flows to Reconstruct Pseudo-PDFs

Resumo Técnico: Fluxos Normalizantes para Reconstrução de Pseudo-PDFs

Enunciado do Problema
As funções de distribuição de partons (PDFs) são fundamentais para a compreensão da estrutura de hádrons, mas permanecem difíceis de calcular diretamente devido à natureza não perturbativa das interações de quarks e glúons em escalas de baixa energia. Estruturas recentes de rede (lattice) propõem investigar essas quantidades computando elementos de matriz não locais (distribuições de tempo de Ioffe, ITDs) e resolvendo um problema inverso para reconstruir a pseudo-PDF, $P(x, z^2)$. Este problema inverso é mal posto: os dados disponíveis de rede são limitados a um pequeno número de pontos de tempo de Ioffe ($N_\nu \sim 10$), enquanto a PDF deve ser reconstruída sobre uma grade contínua e discretizada de fração de momento ($N_x = 129$). Abordagens anteriores, incluindo métodos Bayesianos e regressão por Processo Gaussiano (GP), trataram disso codificando suavidade e restrições físicas, mas exigem uma seleção cuidadosa, muitas vezes manual, de hiperparâmetros para controlar a incerteza nas regiões de extrapolação onde a informação da rede está ausente.

Metodologia
Este trabalho propõe um framework combinando priors de Processos Gaussianos com Redes Neurais Invertíveis (INNs), uma classe de fluxos normalizantes, para aprender a distribuição posterior completa sobre as PDFs. A metodologia consiste em três componentes primários:

1. Geração de Dados e Prior GP:
   Os dados de treinamento são gerados amostrando PDFs de um prior de Processo Gaussiano definido sobre uma grade $x$ discretizada. O kernel e a média do GP são restringidos via multiplicadores de Lagrange para impor condições de contorno físicas: normalização ($\int q(x)dx = 1$) e a condição de nulidade em $x=1$ ($q(1)=0$). Estas PDFs amostradas são transformadas em dados sintéticos de ITD usando um operador linear discreto derivado de aproximações de elementos finitos de segunda ordem das relações de transformada de Fourier.

2. Arquitetura de Rede Neural Invertível:
   O núcleo do framework é uma INN baseada em camadas Real NVP (acoplamento afim). A rede estabelece um mapeamento bijetivo $f$ entre o espaço de alta dimensão das PDFs ($\mathbb{R}^{N_x}$) e um espaço contendo as observáveis de baixa dimensão de ITD e variáveis latentes ($\mathbb{R}^{N_\nu + N_z}$).

• Tratamento de Dimensionalidade: Como $N_x > N_\nu$, o mapeamento introduz variáveis latentes ($N_{noise}$) e preenchimento zero ($N_{pad}$) para garantir que as dimensões de entrada e saída coincidam ($N_x = N_\nu + N_{noise} + N_{pad}$).
• Estrutura: A arquitetidade compreende seis camadas de acoplamento afim empilhadas. Cada camada particiona a entrada e aplica funções de escala e translação parametrizadas por redes neurais feed-forward (MLPs de 3 camadas com ativações LeakyReLU).
• Normalização: As amostras de entrada são normalizadas usando a média do prior e a variância ponto a ponto para garantir estabilidade através das formas funcionais divergentes das PDFs.

3. Objetivo de Treinamento (Discrepância de Média Máxima):
   A rede é treinada usando a perda de Discrepância de Média Máxima (MMD), uma métrica baseada em kernel que mede a distância entre distribuições de probabilidade. A função de perda é bidirecional:

• Ela minimiza a discrepância entre as PDFs preditas pela rede (mapeamento inverso) e as PDFs de verdade fundamental (ground-truth) de treinamento.
• Ela minimiza a discrepância entre os dados de ITD mapeados para frente (mais variáveis latentes) e suas distribuições de prior.
• Termos adicionais impõem a precisão do mapeamento direto (norma $L_1$) e garantem que as dimensões de saída preenchidas com zero permaneçam nulas (norma $L_2$).

Resultados Principais
Os autores realizaram um "teste de fechamento" usando PDFs paramétricas para avaliar o framework:

• Dependência da Dimensão Latente: As reconstruções foram consistentes com a verdade fundamental na região próxima a $x=1$. No entanto, nas regiões de extrapolação (baixo $x$ e alto tempo de Ioffe $\nu$), a qualidade da reconstrução dependeu da dimensionalidade do espaço de ruído latente. Isso sugere que as variáveis latentes regulam efetivamente a regularização do problema inverso.
• Disponibilidade de Dados: À medida que o intervalo de dados de ITD disponíveis ($\nu$) aumentava, a precisão da reconstrução melhorava, um comportamento consistente com outros métodos como regressão GP e inferência Bayesiana.
• Preservação de Restrições: A arquitetura manteve com sucesso as restrições físicas, especificamente a normalização e a condição de contorno $q(1)=0$, sem imposição explícita durante a fase de inferência além da geração dos dados de treinamento.

Significância e Alegações
O artigo posiciona este trabalho como uma prova de conceito para mapear as etapas de seleção de hiperparâmetros das abordagens tradicionais de GP para uma arquitetura de fluxo normalizante. Os autores afirmam que esta abordagem:

• Retém a flexibilidade dos Processos Gaussianos enquanto utiliza o poder expressivo das redes neurais invertíveis.
• Aprende com sucesso uma distribuição posterior consistente com dados limitados de tempo de Ioffe.
• Preserva as restrições físicas e as propriedades de extrapolação inerentes ao problema.
• Oferece uma alternativa baseada em dados aos métodos de reconstrução existentes, demonstrando que os procedimentos de calibração especificados encontrados na regressão GP podem ser aprendidos pela rede.

Os autores permanecem modestos quanto a aplicações imediatas, observando que o método atual é limitado pelo prior GP específico usado para o treinamento. Eles sugerem que trabalhos futuros devem focar no treinamento em conjuntos mais amplos de amostras de prior, aplicação do método a dados reais de rede, incorporação de medições de momentos de Mellin e extensão do framework para quantidades de maior dimensão, como funções de distribuição de partons generalizadas.