Higher-order effects in amplitude-assisted polarisation extraction with machine-learning techniques

技术摘要：利用机器学习技术进行振幅辅助极化提取中的高阶效应研究

问题陈述
从碰撞数据中提取电弱（EW）规范玻色子极化分量是探测电弱对称性破缺（EWSB）机制的关键手段。虽然最近的 LHC 分析（Run-2 和 Run-3）已成功利用基于领先阶（LO）模拟的模板拟合方法测量了这些分量，但日益增长的实验精度要求理论预测达到更高阶。以往用于极化标记（polarisation tagging）的机器学习（ML）方法（如文献 [36] 中提出的振幅辅助法）仅限于 LO 精度。在理解 NLO QCD 校正和部分子淋洗（parton-shower, PS）效应如何影响旨在提取极化分量的 ML 模型训练与性能方面，仍存在显著空白。具体而言，目前尚不清楚在 LO 数据上训练的 ML 模型在应用于 NLO+PS 数据时，是否能准确回归极化比例，或者训练过程本身是否需要达到更高阶的精度，以解释由 QCD 辐射引起的运动学偏移。

方法论
作者通过将振幅辅助极化提取框架扩展到与部分子淋洗匹配的 NLO QCD 精度（NLO+PS）来填补这一空白。该方法由三个主要部分组成：

1. 理论框架与重加权：

   • 本研究聚焦于 $\sqrt{s} = 13$ TeV 下的偶对玻色子过程 $pp \to ZZ \to e^+e^-\mu^+\mu^-$。
   • 为了从非极化蒙特卡洛（MC）事件中生成极化样本，作者定义了一个重加权比例 $r_{LL} = |\mathcal{M}_{LL}|^2 / |\mathcal{M}|^2$，代表双纵向玻色子相对于非极化振幅的振幅平方。
   • 在 NLO 精度下，该比例使用 Powheg 方法中的 $\bar{B}$ 函数构建，该函数结合了 Born 项、虚修正项以及积分后的实辐射项。重加权过程逐事件地应用于使用 Powheg-Box-Res 框架和 VV_pol 包生成的非极化 NLO+PS 样本。
   • 通过“闭合测试”（closure tests）验证该重加权方法的有效性，将重加权后的分布与直接模拟的极化信号进行对比。

2. 机器学习架构：
   论文基准测试了四种不同的回归方法，用于仅利用实验可观测物理量（末态轻子动量）来预测比例 $r_{LL}$（或其代理变量 $\tilde{r}_{LL}$）：

   • 前馈神经网络（FFNN）： 一个具有 10 个隐藏层的深度网络，采用了降低的宽深比，以处理比以往 Z+j 研究更复杂的 ZZ 过程运动学复杂性。
   • 类自动编码器神经网络（AE）： 一种具有瓶颈结构的网络，旨在将 16 个输入特征（轻子四动量）压缩为潜在表示，然后再重建目标值。
   • 物理启发网络（PN）： 基于 ParticleNet 的模型，利用 EdgeConv 层和一个受洛伦兹启发（Lorentz-inspired）的预处理层，以确保洛伦兹不变性并减少可训练参数的数量。
   • 随机森林回归器（RFR）： 一种基于树的集成方法，使用特定的运动学特征子集（玻色子横动量、快度以及静止系下的衰变角）。

3. 训练策略：

   • 模型在 LO、LO+Sudakov 和 NLO+PS 精度的数据集上进行训练。
   • 对目标变量应用对数变换，以稳定梯度并防止网络坍缩至常数平均预测值。
   • 使用 Optuna 框架优化超参数（学习率、批大小）。

核心贡献

• 向 NLO+PS 的扩展： 本工作首次实现了在与部分子淋洗匹配的 NLO QCD 精度下的振幅辅助极化提取。研究表明，尽管在固定阶匹配的背景下是一种近似，但重加权技术能够高保真地复现直接的极化模拟（对于积分截面，偏差在 $\sim 1\%$ 以内）。
• 高阶校正对 ML 的影响： 研究系统地评估了训练数据精度的必要性。结果发现，在 LO 数据上训练并在 NLO+PS 数据上测试会导致显著退化（截面偏差为 2–6%），而使用匹配的 NLO+PS 精度进行训练和测试时，精度可达亚千分之级（sub-per-mille）。
• 架构基准测试： 作者对比了四种不同的 ML 架构。他们发现，虽然所有模型在相空间的大部分区域表现良好，但**物理启发网络（PN）和随机森林回归器（RFR）**在整个运动学范围（尤其是分布尾部）表现出更强的鲁棒性。PN 模型因其能以显著较少的可训练参数（$\sim 60$k）实现高精度而被强调，相比之下 FFNN 拥有 $\sim 4$M 参数，AE 拥有 $\sim 1.4$M 参数。

结果

• 闭合测试： 重加权程序复现了纵向-纵向（$LL$）和横向-横向（$TT$）状态的直接 NLO+PS 模拟，偏差分别为 $-0.9\%$ 和 $+0.3\%$。混合态显示出 $\sim 7\%$ 的低估，这归因于硬辐射中 Sudakov 指数的不匹配。
• 微分分布：
  • 对于正电子衰变角（$\cos \theta^*_{e^+}$），所有模型在中心区域与真实值（truth）的偏差均在百分之几以内。在尾部区域，RFR 和 PN 模型表现最佳。
  • 对于正电子横动量（$p_{T, e^+}$），在 LO 数据上训练的模型无法准确描述 NLO+PS 尾部。在 NLO+PS 数据上训练的模型在高达 $\sim 200$ GeV 的范围内表现良好。
  • RFR 模型在使用了包括静止系下衰变角在内的特定输入特征集后，能对整个 $r_{LL}$ 分布范围提供最一致的描述。
• 截面提取： 当在 NLO+PS 精度下进行训练和测试时，PN 和 RFR 模型预测的 $Z_L Z_L$ 产生标度截面与真实值的偏差小于 $0.2\%$。

意义与主张
论文声称，所提出的框架成功弥合了高精度理论预测与实验极化提取之间的差距。通过将振幅辅助法推广到 NLO+PS，作者证明了：

1. 高阶校正不可忽略： 对于 LHC 的精密物理研究，仅在 LO 数据上训练 ML 模型是不够的；必须使用 NLO+PS 训练数据才能捕捉到由 QCD 辐射引起的运动学偏移。
2. 效率与鲁棒性： 物理启发网络（PN）在性能和计算成本之间提供了极佳的平衡，使其成为现象学研究的首选。
3. 广泛适用性： 虽然本研究侧重于轻子衰变的 $ZZ$ 过程，但只要有合适的事件生成器，该方法论同样适用于其他双玻色子过程及强子衰变过程。

作者总结道，其结果捕捉到了极化标记在 NLO 阶下的主要效应，从而为未来向更高微扰阶扩展提供了可能，且不存在概念上的瓶颈。重加权程序的实现已通过 VV_pol 包公开，所有 ML 预测也已在公共仓库中发布，以确保可重复性。