⚛️ phenomenology

Reliable Hybrid Neural Surrogates for Multidimensional Grids: Application to Double Parton Distributions

Este artigo apresenta um método de rede neural híbrida implementado em C++ que reduz significativamente os custos de armazenamento, memória e inicialização de grades de distribuição de partons duplos multidimensionais ao comprimir a maior parte dos dados em um modelo neural enquanto armazena apenas um conjunto esparso de resíduos de alta precisão, alcançando uma redução de 10,6 vezes na pegada de disco com impacto mínimo na velocidade de avaliação.

Autores originais: R. Kord Valeshabadi, S. Rezaie

Publicado 2026-09-15

📖 4 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: R. Kord Valeshabadi, S. Rezaie

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Dentro dos prótons que correm pelo Grande Colisor de Hádrons, o universo é uma sopa caótica de partículas minúsculas chamadas quarks e glúons. Para entender o que acontece quando esses prótons colidem, os físicos devem saber exatamente como essas partículas internas estão arranjadas e como elas se movem. Eles dependem de mapas matemáticos conhecidos como funções de distribuição de partons, que lhes dizem a probabilidade de encontrar uma partícula com uma velocidade e energia específicas. Durante décadas, esses mapas foram armazenados como grades massivas de números, muito parecidas com uma planilha detalhada onde cada célula contém um valor específico. Este método funciona bem para colisões simples envolvendo uma partícula de cada próton. No entanto, a natureza é frequentemente mais complexa. Às vezes, dois pares distintos de partículas interagem simultaneamente dentro de uma única colisão, um fenômeno conhecido como espalhamento de dois partons. Para prever esses eventos raros, os cientistas precisam de um mapa muito mais complicado que rastreia duas partículas ao mesmo tempo, juntamente com duas escalas de energia diferentes para cada uma. Isso cria uma estrutura de dados quadridimensional que é exponencialmente maior e mais difícil de gerenciar do que os mapas padrão, sobrecarregando rapidamente a memória do computador e os sistemas de armazenamento.

Uma equipe de pesquisadores do Instituto de Pesquisa em Ciências Fundamentais em Teerã desenvolveu uma nova maneira inteligente de encolher esses mapas de dados massivos sem perder a precisão necessária para a física de altas energias. Eles criaram um sistema híbrido que combina um modelo computacional compacto e inteligente com uma lista pequena e direcionada de exceções. Em vez de armazenar cada número individual na enorme grade quadridimensional, eles treinaram uma rede neural — um tipo de inteligência artificial projetada para reconhecer padrões — para aprender a forma geral e o comportamento dos dados. A rede atua como um "adivinhador" altamente eficiente, capaz de reproduzir a vasta maioria dos valores da grade com alta precisão. No entanto, como nenhum modelo é perfeito, os pesquisadores identificaram os pontos específicos onde o palpite da rede não era suficientemente bom. Para esses pontos difíceis, eles mantiveram os números originais exatos em uma lista pequena e esparsa. Quando um físico precisa consultar um valor, o sistema primeiro verifica se o ponto é uma das exceções difíceis; se não for, utiliza a rede neural rápida e compacta para gerar a resposta.

Os resultados desta abordagem são impressionantes. Ao usar este método híbrido, os pesquisadores reduziram o tamanho do arquivo de dados necessário para armazenar a informação por um fator de 10,6 em comparação com a grade comprimida padrão. Mais importante, a quantidade de memória de computador necessária para executar os cálculos caiu por um fator de 31,6, encolhendo de mais de quatro gigabytes para apenas 138 megabytes. Esta redução massiva no uso de memória significa que simulações complexas podem ser executadas em computadores comuns, em vez de exigir hardware especializado de alto desempenho. O sistema também carrega quase 11 vezes mais rápido, reduzindo o tempo de inicialização de mais de dois segundos e meio para menos de um quarto de segundo. Embora a velocidade dos cálculos reais tenha diminuído ligeiramente para cerca de 85 por cento da taxa original, a compensação é extremamente positiva, oferecendo uma solução prática para um problema que anteriormente tornava esses cálculos complexos proibitivamente caros e lentos.

A chave para este sucesso reside em como a rede neural foi ensinada. Em vez de tentar memorizar cada número individual do zero, o sistema recebeu uma vantagem inicial ao usar uma aproximação simples e conhecida como base. A rede foi então incumbida apenas de aprender as sutilezas e correlações que tornam os dados reais únicos. Isso permitiu que o modelo permanecesse pequeno e rápido, enquanto ainda capturava os detalhes intrincados das interações de partículas. Os pesquisadores testaram este sistema rigorosamente, escaneando milhões de pontos de dados para garantir que as previsões da rede neural fossem precisas o suficiente para o uso científico. Eles descobriram que apenas 0,694 por cento dos pontos de dados precisavam ser armazenados na lista de exceções, confirmando que a rede neural poderia lidar com a maior parte do trabalho por conta própria. O pacote de software final é escrito em uma linguagem de programação padrão usada por físicos, o que significa que pode ser usado imediatamente sem a necessidade de ferramentas externas complexas ou ambientes de programação. Este trabalho fornece uma ferramenta nova e eficiente para explorar as colisões mais complexas do universo, transformando um gargalo pesado em dados em um processo otimizado que abre as portas para estudos mais detalhados de como a matéria se comporta em seu nível mais fundamental.

Resumo Técnico: Substitutos Neurais Híbridos Confiáveis para Grades Multidimensionais

Enunciado do Problema
O armazenamento e a avaliação de Distribuições de Partons Duplos (DPDs) apresentam um desafio computacional significativo em comparação com as Funções de Distribuição de Partons (PDFs) ordinárias. Enquanto uma PDF colinear depende de uma fração de momento longitudinal ( $x$ ) e de uma escala de fatorização ( $\mu^2$ ), uma DPD com escalas desiguais depende de duas frações de momento ( $x_1, x_2$ ) e de duas escalas de fatorização independentes ( $\mu_1^2, \mu_2^2$ ) para cada combinação de sabor de partão. A tabulação direta dessa dependência quadridimensional resulta em requisitos massivos de dados. Para a grade de referência específica baseada em GS09 estudada, a representação ASCII ocupa aproximadamente 2,6 GB, e a versão binária comprimida ainda requer cerca de 740 MB em disco. Mais criticamente, o uso de memória em tempo de execução para a grade densa é de aproximadamente 4,27 GiB, pois todo o payload nodal deve ser descompactado e mantido na memória para interpolação. Essa alta pegada de memória e o tempo de inicialização lento (aprox. 2,53 s) criam um gargalo para aplicações fenomenológicas, particularmente em geradores de eventos de Monte Carlo que exigem avaliações repetidas.

Metodologia
Os autores propõem um substituto híbrido de rede neural para comprimir a grade de DPD enquanto mantém a precisão numérica e a avaliação rápida. A abordagem não substitui o cálculo de referência subjacente ou o algoritmo de interpolação, mas sim comprime os dados nodais armazenados na grade.

Arquitetura Híbrida: O método emprega uma rede neural feed-forward para aproximar o volume principal da grade de DPD. Para nós de grade onde a previsão da rede não atende a uma tolerância de precisão prescrita, os valores de referência originais são armazenados em uma tabela de correção esparsa. Durante a avaliação, a rede reconstrói os valores nodais, e entradas esparsas substituem as previsões da rede onde necessário antes que a interpolação padrão seja aplicada.
Representação de Entrada: A rede aceita 12 características cinemáticas derivadas das quatro variáveis ( $x_1, x_2, \mu_1^2, \mu_2^2$ ). Estas incluem mapeamentos logarítmicos das variáveis, características que descrevem o limite de suporte longitudinal ( $x_1+x_2 \le 1$ ), assimetria entre as pernas de partões e limiares de sabores pesados (charme e bota).
Representação de Alvo: Em vez de prever os valores absolutos de DPD, a rede aprende a correção relativa a uma linha de base motivada pela física. A linha de base é construída a partir do produto de PDFs únicas ( $f_{a1}(x_1, \mu_1^2)f_{a2}(x_2, \mu_2^2)$ ) multiplicado por um fator de supressão de espaço de fase $\rho_0(x_1, x_2)$ . O alvo é o desvio relativo, transformado via uma função seno hiperbólico inverso ( $\text{asinh}$ ) para lidar com a ampla faixa dinâmica das correções.
Arquitetura da Rede: Um MLP (Perceptron Multicamadas) compacto com três camadas ocultas de largura 256 (12 $\to$ 256 $\to$ 256 $\to$ 256 $\to$ 121) é utilizado. A camada de saída produz 121 valores correspondentes a todos os pares ordenados de sabor de partão. O tamanho compacto é escolhido para garantir uma inferência rápida, já que uma única avaliação fora da grade pode exigir até 16 previsões de nós vizinhos.
Estratégia de Treinamento: A rede é treinada nos nós da grade de referência usando PyTorch. A função de perda é um erro quadrático médio ponderado, com pesos maiores atribuídos a regiões difíceis (próximo ao endpoint longitudinal, limiares de sabores pesados) e canais de sabores específicos (ex: glúon-glúon). A aumentação de dados via simetria de troca é aplicada.
Implementação: O modelo treinado é exportado para uma implementação nativa em C++ dentro do framework PDFxTMDLib. A avaliação em tempo de execução não requer nem Python nem PyTorch, utilizando oneDNN para inferência eficiente.

Principais Resultados
Usando a grade densa baseada em GS09 ( $N_x=56$ , $N_\mu=41$ , 121 canais de sabor) como benchmark, o método híbrido alcança o seguinte:

Eficiência de Compressão: Apenas 0,694% dos valores de sabor ativos (3.845.458 de 554.383.007) requerem armazenamento na tabela de correção esparsa.
Redução de Armazenamento: O tamanho do arquivo híbrido é de 66,65 MiB, representando uma redução de um fator de 10,6 em relação à grade densa comprimida de 707,12 MiB.
Redução de Memória: A mediana do pico de memória residente cai de 4,27 GiB (densa) para 138,20 MiB (híbrida), uma redução de fator de 31,6.
Velocidade de Inicialização: O tempo de inicialização diminui de aproximadamente 2,53 s para 0,238 s, uma melhoria de um fator de 10,6, primariamente devido à evasão da descompressão do payload denso completo.
Vazão de Avaliação (Throughput): O avaliador híbrido atinge uma vazão de aproximadamente $2,6 \times 10^4$ pontos cinemáticos por segundo, o que é cerca de 85% da taxa da grade densa ( $3,1 \times 10^4$ pontos/s).
Precisão: O método satisfaz um critério de tolerância mista absoluta-relativa. A tabela esparsa garante que nós com grandes desvios sejam substituídos pelos valores de referência exatos, enquanto a rede lida com o restante do volume com alta fidelidade.

Significância e Alegações
O artigo afirma que este esquema híbrido oferece uma solução prática para os gargalos de armazenamento e memória associados às grades de DPD multidimensionais. Ao codificar a dependência de escala diretamente em um substituto compacto, o método elimina a necessidade de evolução dupla-DGLAP em tempo de execução durante a inferência, o que é computacionalmente caro. Os autores enfatizam que o método mantém uma velocidade de avaliação comparável à interpolação de grade densa enquanto reduz drasticamente a pegada em disco, o uso de memória e os custos de inicialização.

O trabalho demonstra que uma rede neural pode capturar efetivamente as estruturas de correlação não fatorizadas de DPDs quando guiada por uma linha de base informada pela física. A implementação está totalmente integrada na biblioteca C++ PDFxTMDLib, tornando-a imediatamente utilizável para estudos fenomenológicos sem dependências de tempo de execução de frameworks de aprendizado de máquina. Embora o estudo atual seja restrito a DPDs independentes de $y$ , os autores observam que a estratégia é teoricamente extensível para distribuições com dependência explícita de separação transversal.

Mais como este