Pairton: Iterative Reconstruction of Short-Lived Particles

Resumo Técnico: Pairton – Reconstrução Iterativa de Partículas de Vida Curta

Definição do Problema
Na física de altas energias, particularmente no Grande Colisor de Hádrons (LHC), a reconstrução de partículas de vida curta (ex: quarks top, bósons de Higgs) a partir de seus produtos de decaimento é um desafio crítico. Em eventos complexos com alta multiplicidade de partículas, como o decaimento totalmente hadrônico de pares de quarks top ($t\bar{t}$), o fundo combinatório é significativo. Métodos tradicionais, como algoritmos baseados em verossimilhança (ex: KLFitter), dependem da avaliação de todas as combinações possíveis de jatos detectados, o que se torna computacionalmente caro e propenso a erros conforme a multiplicidade de jatos aumenta. Embora abordagens recentes de aprendizado de máquina (SPANet, Topograph, HyPER, TIGER) tenham melhorado o desempenho, permanece a necessidade de frameworks que possam lidar efetivamente com a natureza hierárquica de cadeias de decaimento e com a consistência global do evento sem depender de suposições topológicas rígidas ou estratégias de mascaramento fixas.

Metodologia
Os autores propõem o Pairton, um framework iterativo que reformula a reconstrução de partículas como um problema de inferência probabilística estruturada sobre grafos parcialmente observados.

1. Representação por Grafos:
   O evento é modelado como uma coleção de grafos onde os nós representam jatos detectados e as arestas representam relações de decaimento. Especificamente, matrizes de adjacência ($A^\alpha$) são definidas para tipos de partículas $\alpha \in \{W, t\}$. Uma aresta $(i, j)$ existe se os jatos $i$ e $j$ são produtos de decaimento da partícula $\alpha$. Auto-loops indicam jatos não associados a um tipo específico de partícula. Esta representação permite que atribuições estruturais sejam tratadas como características de arestas de pares dinâmicos.

2. Formulação Probabilística Fatorizada:
   A tarefa de reconstrução é definida como encontrar a atribuição mais provável de jatos a bósons $W$ e quarks $b$. A distribuição de probabilidade conjunta é fatorizada em probabilidades condicionais:
   $$P(W_1, W_2, b_1, b_2 | x) = P(W_1 | x) \times P(W_2 | W_1, x) \times P(b_1, b_2 | W_1, W_2, x)$$
   Esta fatorização espelha a hierarquia física do decaimento, permitindo que o modelo preveja iterativamente arestas condicionadas às estruturas previamente inferidas.

3. Difusão Discreta e Denoising Mascarado:
   Inspirado em modelos de difusão discreta de estado absorvente usados em processamento de linguagem natural, o Pairton enquadra a reconstrução como um processo de denoising reverso.

   • Processo Forward: Uma cadeia de Markov hierárquica mascara as matrizes de adjacência em etapas: primeiro revelando ambos os bósons $W$, depois um $W$, e então nenhum. Este esquema de corrupção específico respeita a topologia física do decaimento $t\bar{t}$, garantindo que os estados intermediários tenham interpretações físicas claras.
   • Treinamento: O modelo $f_\theta$ é treinado para prever entradas mascaradas nas matrizes de adjacência condicionadas à estrutura observada e às características dos jatos. O objetivo é uma verossimilhança condicionada mascarada (perda de Entropia Cruzada Binária).
   • Inferência: A reconstrução procede iterativamente a partir de um estado totalmente mascarado. O modelo prevê arestas, atualiza a matriz de adjacência visível e utiliza essa estrutura atualizada para condicionar as previsões subsequentes, revertendo efetivamente o processo de mascaramento.

4. Arquitetura do Modelo:
   O Pairton utiliza uma arquitetura Pairformer, adaptada do AlphaFold3. Diferente de transformers padrão ou do Particle Transformer (ParT), que utilizam representações de pares fixas, o Pairformer atualiza dinamicamente as características de pares.

   • Entradas: Características dos jatos (energia, $p_T$, $\eta$, $\phi$, status de $b$-tag) e características de pares (massa invariante di-jet, $\Delta\eta$, $\Delta\phi$, $\Delta R$).
   • Mecanismo: A arquitetura aumenta os escores de atenção com um termo de viés aprendível derivado de características de pares ($S_{ij} = \frac{q_i \cdot k_j}{\sqrt{d}} + b_{ij}$). Isso permite que o modelo incorpore perfeitamente o estado relacional entre todos os jatos sem a necessidade de passagem de mensagens complexa sobre tensores de ordem superior.

Principais Contribuições

• Reconstrução de Grafos Iterativa: Introduz um paradigma onde a reconstrução de partículas é tratada como um processo de previsão mascarada iterativa sobre estruturas de grafos, aproveitando a natureza hierárquica das cadeias de decaimento.
• Difusão Discreta em HEP: Adapta a difusão de estado absorvente (anteriormente usada em LLMs) para a física de altas energias, indo além de abordagens de mascaramento de taxa fixa (estilo BERT) ou auto-regressivas (estilo GPT).
• Representações de Pares Dinâmicas: Demonstra a eficácia da arquitetura Pairformer neste domínio, onde características de arestas de pares atualizadas dinamicamente superam significativamente as representações estáticas.
• Framework Geral: Fornece um framework flexível que pode ser estendido para outras topologias além do sistema $t\bar{t}$.

Resultados
O método foi avaliado em um conjunto de dados de $6 \times 10^7$ eventos simulados de $t\bar{t}$ totalmente hadrônicos em $\sqrt{s} = 13$ TeV. O desempenho foi medido pela eficiência de reconstrução ($\epsilon$) para eventos completos ($\epsilon_{t\bar{t}}$), quarks top ($\epsilon_t$) e bósons $W$ ($\epsilon_W$).

• Desempenho de Estado da Arte: O Pairton supera os métodos existentes (SPANet, Topograph, HyPER) em todas as multiplicidades de jatos.
  • Eficiência Inclusiva de Evento Completo: O Pairton alcança 0,6944, comparado a 0,670 para HyPER, 0,645 para Topograph e 0,651 para SPANet.
  • Alta Multiplicidade: A melhoria é mais pronunciada em eventos com $\ge 8$ jatos, onde o Pairton atinge 0,5459 de eficiência de evento completo, significativamente superior ao HyPER (0,513) e SPANet (0,487).
• Dependência de Massa: O Pairton supera consistentemente os concorrentes em todo o espectro de massa invariante ($m_{t\bar{t}}$), com os maiores ganhos observados na região de baixa massa, onde a reconstrução é mais difícil.
• Estudos de Ablação:
  • A arquitetura Pairformer proporcionou um aumento absoluto de ~5% na eficiência sobre um transformer padrão.
  • O processo generativo iterativo de 3 etapas superou a previsão de etapa única e modelos baseados em hiperarestas.
  • Simplesmente aumentar a profundidade do modelo para igualar o custo computacional do processo iterativo não gerou ganhos semelhantes, confirmando o valor do condicionamento iterativo.

Significância e Alegações
O artigo afirma que o Pairton estabelece um novo paradigma geral e flexível para a reconstrução de partículas, unindo a modelagem generativa moderna (especificamente difusão discreta e inferência iterativa) com a física de altas energias.

Os autores enfatizam que a significância reside em:

1. Consistência Global: Ao condicionar nas estruturas previamente inferidas, o modelo incorpora naturalmente restrições de consistência global de eventos de uma maneira probabilisticamente sólida.
2. Flexibilidade Topológica: Embora a implementação atual foque no decaimento hierárquico $t\bar{t}$, a formulação de difusão discreta permite processos de ruído arbitrários, tornando-a adaptável a topologias mais complexas (ex: $t\bar{t}H$), onde a ordem das previsões pode ser intercambiável.
3. Desempenho: O método atinge resultados de estado da arte no benchmark de $t\bar{t}$ totalmente hadrônico, particularmente em ambientes de alta multiplicidade desafiadores, demonstrando que a reconstrução de grafos iterativa é uma ferramenta poderosa para a interpretação de eventos.

O trabalho não pretende resolver todos os problemas de reconstrução universalmente, mas posiciona-se como um framework robusto que pode ser prontamente estendido para outros estados finais envolvendo partículas de vida curta.