Correcting Sensor-Induced Distribution Drift with Wasserstein Adversarial Learning

技术摘要：利用 Wasserstein 对抗学习纠正传感器诱导的分布漂移

问题陈述
高能物理（HEP）中数据驱动分析的完整性依赖于传感器系统的稳定性。然而，传感器运动、环境条件以及长期的材料老化会引入系统性失真，从而降低探测器性能。虽然存在传统的校准和对齐程序，但这些程序通常耗费资源，且需要显式的事件级对应关系或标记的退化目标，而在现实场景中，这些目标往往是无法获取的。核心挑战在于如何推断具有物理可解释性的变换参数（例如几何偏移或衰减系数），将变化的探测器响应分布映射回标称参考分布，且无需依赖监督目标或显式的似然模型。该问题被框架化为一个分布偏移（或领域偏移）问题，即数据生成分布在标称条件与退化条件之间存在差异。

方法论
作者提出了一种基于 Wasserstein 生成对抗网络（WGAN）的新型无监督框架，用于恢复这些变换参数。与标准生成模型（其目的是合成新数据样本）不同，该方法将生成器重新诠释为一个确定性的、可学习的校准变换。

• 架构： 系统由两个主要部分组成：
  1. 生成器 ($T_\theta$)： 一个直接应用于观测数据的参数化变换。其可训练权重 $\theta$ 代表待推断的物理参数（例如，用于追踪器的空间位移 $\Delta x$ 或用于量热计的逐单元衰减系数 $\alpha_i$）。
  2. 判别器 ($C_\phi$)： 一个受约束为 1-Lipschitz 连续的神经网络，用于估计参考（标称）分布与变换后（变化）分布之间的 Wasserstein-1 距离。
• 目标： 该框架采用极小极大优化（minimax optimization）。判别器通过最大化估计的参考数据与变换数据之间的 Wasserstein 距离进行训练，而变换参数 $\theta$ 则通过最小化该距离进行更新。通过驱动变换后的分布在统计上与参考分布对齐，模型能够隐式地学习导致该偏移的物理参数。
• 关键区别： 该方法不假设参考样本与变化样本之间存在事件级的对应关系。推断完全由群体层面的分布一致性驱动。

实验验证
该方法在两个不同的设置中进行了验证：

1. 追踪器玩具模型（Tracker Toy Model）： 一个包含三个层的简化追踪探测器模拟。研究中注入了一个已知的几何失准（第二平面中的位移 $\Delta x_2$）。该框架通过对齐命中坐标分布，成功恢复了位移参数。研究表明，该方法对于低到中等噪声水平保持准确，但当测量噪声接近注入的位移量级时，性能会下降，这与可识别几何信息的丢失是一致的。
2. 量热计老化： 一个高粒度的 Geant4 模拟量热计受到逐单元信号衰减的影响，以模拟辐射损伤。生成器被配置为一个可学习的 3D 张量，其校准系数（$\alpha_i$）用于缩放单元能量沉积。
   • 结果： 推断出的老化系数与真实值表现出强正相关性（$R^2 \approx 0.896$）。
   • 性能： 所提方法实现了 $0.0176$ 的均方根误差（RMSE），显著优于仅根据平均单元响应比率进行估计的简单基准方法（RMSE 为 $0.0562$）。
   • 分布对齐： 将学习到的系数应用于受损数据，成功使全局能量总和分布恢复至与未受损参考分布一致。
   • 噪声敏感性： 研究证实，随着随机单元间波动（噪声）的增加，单个参数的可识别性降低，因为多种系数配置可以产生相似的聚合统计特性。

主要贡献与意义
本文将探测器校准与对齐置于更广泛的分布偏移问题类别中。其主要贡献包括：

• 范式转变： 它将生成器在对抗学习中的角色从数据合成重新定义为参数恢复，利用可训练权重来表示物理校准常数。
• 无监督推断： 该方法能够实现可解释物理参数的恢复，而无需标记的退化目标或事件级匹配，解决了在全面重新校准往往难以实现的探测器运行中的关键瓶颈。
• 数据驱动校准： 它证明了对抗分布匹配可以作为校准策略中一种有效的、数据驱动的组成部分，特别是在无法获得直接退化参数标签的场景下。

局限性与范围
作者对其方法的能力保持了审慎的态度。他们指出，虽然该方法能有效恢复主要的系统性趋势（例如全局老化趋势或几何位移），但在通道间噪声较高时，在解析细粒度的逐单元随机波动方面面临限制。论文结论认为，这种对抗校准应被视为一种补充技术，旨在减少对监督学习的依赖，而非完全取代现有的工作流。未来的工作建议将该框架扩展到随时间变化的退化过程，以及结合外部参考信号的混合策略。