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

技术摘要：基于最优传输理论的相空间全包含性品质因数，用于验证蒙特卡洛重加权

问题陈述
在验证模型的基础物理学在全相空间重加权后是否得到保持方面，高能物理领域面临着重大挑战。目前的验证实践通常依赖于比较一维（1D）可观测量的直方图。这种方法存在关键局限性：

1. 相关性丢失： 高维、相关的偏差可能不会在低维投影中显现。
2. 缺乏总结性可观测量： 通常很难明确如何构建一个单一的可观测量或一组可观测量，以捕捉完整的偏差。
3. 维度灾难： 研究多维可观测量集会迅速变得在计算和统计上难以处理。
4. 分箱敏感性： 对分箱可观量的分析对分箱选择非常敏感，即使一维分布表现出一致性，也可能是由于分箱决策造成的伪影，即便底层数据集实际上是不兼容的。

这些问题在负权重缓解（negative weight mitigation）的蒙特卡洛（MC）模拟背景下尤为突出。负权重源于次领头阶（NLO）计算，它们稀释了统计效力并增加了计算负担。虽然存在重加权方案（如单元重采样，cell resampling）来缓解这些权重，但其性能传统上是通过研究特定的可观测量来评估的，这可能无法捕捉到相空间中引入的完整几何偏差。

方法论：截面移动距离 ($\Sigma$MD)
作者提出了一种全新的、无分箱的、全相空间的、用于量化数据集之间偏差的方法，该方法基于最优传输（Optimal Transport, OT）理论。其核心指标是截面移动距离 ($\Sigma$MD)，它是能量移动距离（Energy Mover's Distance, EMD）在理论预测领域的应用。

• 理论框架：

  • 事件级 EMD： EMD 量化了将一个碰撞事件转化为另一个碰撞事件所需的“功”。它是一个真正的度量，满足正定性、对称性、识别恒等性和三角不等式。它定义在事件的能量流上，由横向动量 ($p_T$)、伪快度 ($\eta$) 和方位角 ($\phi$) 参数化。EMD 是红外与共线（IRC）安全的，使其对软发射和共线分裂具有鲁棒性。
  • 理论级 $\Sigma$MD： “理论”被定义为一组带有相关截面（权重）$\{\sigma_i\}$ 的离散碰撞事件集合 $\{E_i\}$。$\Sigma$MD 定义了两个理论 $T$ 与 $T'$ 之间的距离，即将一个理论的截面流传输到另一个理论所需的最小代价。代价函数结合了事件之间的基度（ground metric，即事件级 EMD）以及一个考虑总截面差异的项。
  • 处理负权重： 标准 OT 要求测度为正。为了将 $\Sigma$MD 应用于含有负权重的数据集，作者采用了一种处理有符号测度的方法。他们将有符号测度分解为正部和负部，并利用 1-Wasserstein 距离 ($W_1$) 的性质，即可以添加一个任意常数测度 $\eta$（具体而言，通过将所有权重平移一个常数 $K$，使所有权重变为非负），而不改变距离。这使得可以使用标准的 OT 算法，同时保留几何解释的偏差。

• 实现：
  作者应用此指标来基准测试“单元重采样”方案，这是一种在附近事件之间局部平滑权重以消除负权重的技术。他们测试了不同的 OT 度量（改变角度指数 $\beta$ 和尺度参数 $R$），并在碰撞过程的不同阶段（硬散射 HS、部分子淋洗 PS 和强子化 HAD）应用重采样。

主要贡献

1. 无分箱全局统计量： 论文引入了 $\Sigma$MD 作为一个全局品质因数，它直接作用于低层粒子特征，无需分箱或投影，因此能够捕捉到一维直方图所缺失的高维相关性。
2. 偏差的几何解释： 该工作将量化重加权偏差重新定义为一个纯粹的几何问题：即在截面流空间中，原始理论与重加权后理论之间的距离。
3. 处理有符号测度： 论文详细介绍了针对含有负权重数据集的 OT 实用实现，使得直接比较 NLO 生成的样本与重加权后的样本成为可能。
4. 基准测试框架： 它提供了一种系统的方法，用于比较不同的重加权方案以及不同的 MC 模拟链阶段。

结果
作者将 $\Sigma$MD 应用于使用 MadGraph5_aMC@NLO 和 Pythia 8.3 生成的、含有显著比例负权重事件（分别为 37.6% 和 22.8%）的 $Z$+jets 和 $t\bar{t}$ 样本。

• 偏差 vs. 重加权比例： 随着重加权事件比例的增加，原始理论与重加权理论之间的 $\Sigma$MD 距离随之增加，表明其与原始物理的偏离程度增大。
• 度量敏感性： 底层 EMD 中不同角度指数 $\beta$ 的选择导致了不同的偏差等级。具体而言，$\beta=0$ 和 $\beta=\infty$ 的重加权方法表现出最大的 $\Sigma$MD 距离（最高偏差），而其他方案显示的偏差较低且水平相当。
• 阶段依赖性： 在不同碰撞阶段（HS, PS, HAD）应用单元重采样时，强子化（HAD）阶段在 $Z$+jets 和 $t\bar{t}$ 样本中始终引起最小的偏差。
• 过程依赖性： 对于给定的重加权比例，$t\bar{t}$ 样本比 $Z$+jets 样本表现出更低的 $\Sigma$MD。作者将其归因于 $t\bar{t}$ 样本的总负事件比例较低；因此，受重加权影响的事件较少，从而导致整体偏差较小。
• 归一化： 为了比较具有不同总截面的过程，作者使用了无量纲的 $\Sigma$MD（通过总截面进行归一化）。

意义与主张
论文声称 $\Sigma$MD 提供了一种鲁棒、IRC 安全且无分箱的方法，用于验证蒙特卡洛重加权。通过摆脱一维投影，它避免了分箱选择和丢失相关性的陷阱。作者将 $\Sigma$MD 不仅仅定位为一种负权重缓解工具，而是将其视为任何涉及全相空间重加权场景（如展开/unfolding、探测器修正或生成模型与数值对应物的比较）的通用度量工具。该方法提供了一个单一且可解释的标量值，用于量化将一个理论预测转化为另一个理论所需的“功”，从而作为对该变换所引入偏差的直接度量。