A Phase-Space Inclusive Figure of Merit Based in Optimal Transport for Validating Monte Carlo Reweightings

Resumo Técnico: Uma Figura de Mérito de Espaço de Fase Inclusiva Baseada em Transporte Ótimo para Validar Reponderações de Monte Carlo

Problema
Validar se a física subjacente de um modelo é preservada após uma reponderação de fase de espaço completa apresenta um desafio significativo na física de altas energias. As práticas de validação atuais dependem tipicamente da comparação de histogramas de observáveis unidimensionais (1D). Esta abordagem possui limitações críticas:

1. Perda de Correlação: Vieses multidimensionais e correlacionados podem não se manifestar em projeções de baixa dimensão.
2. Falta de Observáveis de Resumo: Frequentemente não é claro como construir um único observável ou um conjunto de observáveis que capture o viés total.
3. Maldição da Dimensionalidade: O estudo de conjuntos multidimensionais de observáveis torna-se computacional e estatisticamente intratável rapidamente.
4. Sensibilidade ao Binning: Análises de observáveis binados são sensíveis às escolhas de binning, onde um acordo aparente entre distribuições 1D pode ser um artefato dessas decisões, mesmo que os conjuntos de dados subjacentes sejam incompatíveis.

Estas questões são particularmente agudas no contexto da mitigação de pesos negativos em simulações de Monte Carlo (MC). Pesos negativos, que surgem em cálculos de Próxima Ordem Líder (NLO), diluem o poder estatístico e aumentam o fardo computacional. Embora existam esquemas de reponderação (como o cell resampling) para mitigar esses pesos, seu desempenho é tradicionalmente avaliado pelo estudo de observáveis específicos, o que pode falhar em capturar o viés geomético total introduzido no espaço de fase.

Metodologia: A Distância do Movente de Seção de Choque ($\Sigma$MD)
Os autores propõem uma abordagem inovadora, não binada e de fase de espaço completa para quantificar o viés entre conjuntos de dados usando a teoria do Transporte Ótimo (OT). A métrica central é a Distância do Movente de Seção de Choque ($\Sigma$MD), uma aplicação da Distância do Movente de Energia (EMD) adaptada para previsões teóricas.

• Estrutura Teórica:

  • EMD ao Nível do Evento: A EMD quantifica o "trabalho" necessário para transformar um evento de colisor em outro. É uma métrica verdadeira que satisfaz positividade, simetria, identidade dos indiscerníveis e a desigualdade triangular. Ela é definida sobre o fluxo de energia dos eventos, parametrizado por momento transversal ($p_T$), pseudorapidez ($\eta$) e ângulo azimutal ($\phi$). A EMD é segura em relação a emissões infravermelhas e colineares (IRC safe), tornando-a robusta contra emissões suaves e divisões colineares.
  • $\Sigma$MD ao Nível da Teoria: Uma "teoria" é definida como um conjunto discreto de eventos de colisor $\{E_i\}$ com seções de choque associadas (pesos) $\{\sigma_i\}$. A $\Sigma$MD define a distância entre duas teorias, $T$ e $T'$, como o custo mínimo para transportar o fluxo de seção de choque de uma teoria para a outra. A função de custo incorpora a métrica fundamental (a EMD de nível de evento) entre eventos e um termo que contabiliza as diferenças na seção de choque total.
  • Lidando com Pesos Negativos: O OT padrão exige medidas positivas. Para aplicar a $\Sigma$MD a conjuntos de dados com pesos negativos, os autores adotam um método para medidas com sinal. Eles decompõem medidas com sinal em partes positivas e negativas e utilizam a propriedade da distância de 1-Wasserstein ($W_1$) que permite a adição de uma medida de constante arbitrária $\eta$ (especificamente, deslocando todos os pesos por uma constante $K$ de modo que todos os pesos se tornem não negativos) sem alterar a distância. Isso permite o uso de algoritmos de OT padrão enquanto preserva a interpretação geométrica do viés.

• Implementação:
  Os autores aplicam esta métrica para testar esquemas de "cell resampling", um método onde o peso é suavizado localmente entre eventos próximos para eliminar pesos negativos. Eles testam várias métricas baseadas em OT (variando o expoente angular $\beta$ e o parâmetro de escala $R$) e aplicam o resampling em diferentes estágios do processo de colisão: espalhamento duro (HS), chuva de partons (PS) e hadronização (HAD).

Principais Contribuições

1. Estatística Global Não Binada: O artigo introduz a $\Sigma$MD como uma figura de mérito global que opera diretamente em características de partículas de baixo nível sem binning ou projeção, capturando assim correlações de alta dimensão que os histogramas 1D perdem.
2. Interpretação Geométrica do Viés: O trabalho reformula a quantificação do viés de reponderação como um problema puramente geométrico: a distância entre as teorias originais e reponderadas no espaço dos fluxos de seção de choque.
3. Lidando com Medidas com Sinal: O artigo detalha uma implementação prática de OT para conjuntos de dados contendo pesos negativos, permitindo a comparação direta de amostras geradas em NLO com suas contrapartes reponderadas.
4. Estrutura de Benchmarking: Fornece uma maneira sistemática de comparar diferentes esquemas de reponderação e diferentes estágios da cadeia de simulação de MC.

Resultados
Os autores aplicaram a $\Sigma$MD a amostras de $Z$+jets e $t\bar{t}$ geradas em NLO usando MadGraph5_aMC@NLO e Pythia 8.3, contendo frações significativas de eventos de peso negativo (37,6% e 22,8%, respectivamente).

• Viés vs. Fração de Reponderação: À medida que a fração de eventos reponderados aumenta, a distância $\Sigma$MD entre as teorias originais e reponderadas aumenta, indicando um crescimento do desvio da física original.
• Sensibilidade da Métrica: Diferentes escolhas do expoente angular $\beta$ na EMD subjacente resultaram em diferentes hierarquias de viés. Especificamente, os métodos de reponderação com $\beta=0$ e $\beta=\infty$ exibiram as maiores distâncias $\Sigma$MD (maior viés), enquanto outros esquemas mostraram vieses menores e comparáveis.
• Dependência de Estágio: Ao aplicar o cell resampling em diferentes estágios da colisão (HS, PS, HAD), a Hadronização (HAD) consistentemente causou o menor viés em ambas as amostras de $Z$+jets e $t\bar{t}$.
• Dependência de Processo: Para uma determinada fração de reponderação, a amostra de $t\bar{t}$ exibiu uma $\Sigma$MD menor que a amostra de $Z$+jets. Os autores atribuem isso ao fato de a amostra $t\bar{t}$ possuir uma fração total de eventos negativos menor; portanto, menos eventos são afetados pela reponderação, resultando em menos viés geral.
• Normalização: Para comparar processos com diferentes seções de choque totais, os autores utilizaram uma $\Sigma$MD adimensional (normalizada pela seção de choque total).

Significância e Alegações
O artigo afirma que a $\Sigma$MD oferece um método robusto, IRC-safe e não binado para validar reponderações de Monte Carlo. Ao se afastar das projeções 1D, evita as armadilhas das escolhas de binning e das correlações perdidas. Os autores posicionam a $\Sigma$MD não apenas como uma ferramenta para mitigação de pesos negativos, mas como uma métrica de propósito geral para qualquer cenário envolvendo reponderação de fase de espaço completa, como unfolding, correções de detector ou comparação de modelos generativos com contrapartes numéricas. O método fornece um valor escalar único e interpretável que quantifica o "trabalho" necessário para transformar uma previsão teórica em outra, servindo como uma medida direta do viés introduzido pela transformação.