[論文レビュー] $ν^2$-Flows: Fast and improved neutrino reconstruction in multi-neutrino final states with conditional normalizing flows

J. A. Raine, Matthew Leigh+2 more|arXiv (Cornell University)|Jul 5, 2023

Neutrino Physics Research被引用数 4

ひとこと要約

本論文は、観測対象から条件付き確率分布を学習することで、複数のニュートリノ運動量を高速かつ高精度に再構築できる条件付き正規化フロー手法である$\nu^2$-Flowsを提案する。特に$ t\bar{t} $双レプトン事象における、複数ニュートリノ最終状態の再構築に特化しており、標準的な解析的手法に比べて優れた再構築精度と統計的精度を達成している。1イベントあたりの推論時間は75 ms未満であり、トップクォーク質量やスピン相関への感受性も向上している。

ABSTRACT

In this work we introduce $ν^2$-Flows, an extension of the $ν$-Flows method to final states containing multiple neutrinos. The architecture can natively scale for all combinations of object types and multiplicities in the final state for any desired neutrino multiplicities. In $t\bar{t}$ dilepton events, the momenta of both neutrinos and correlations between them are reconstructed more accurately than when using the most popular standard analytical techniques, and solutions are found for all events. Inference time is significantly faster than competing methods, and can be reduced further by evaluating in parallel on graphics processing units. We apply $ν^2$-Flows to $t\bar{t}$ dilepton events and show that the per-bin uncertainties in unfolded distributions is much closer to the limit of performance set by perfect neutrino reconstruction than standard techniques. For the chosen double differential observables $ν^2$-Flows results in improved statistical precision for each bin by a factor of 1.5 to 2 in comparison to the Neutrino Weighting method and up to a factor of four in comparison to the Ellipse approach.

研究の動機と目的

• 標準的な解析的手法が不十分に制約された解やバイアスを生じる可能性がある$ t\bar{t} $双レプトン事象における複数ニュートリノの再構築という課題に対処する。
• 固定されたインvariant質量制約（例：$ W $およびトップクォーク質量）に依存する従来の手法の限界を克服し、バイアスを低減する。
• 任意のオブジェクトタイプと多重度の組み合わせをネイティブに扱えるスケーラブルで汎用性の高いフレームワークを構築する。
• 完全なニュートリノ再構築に近い理想限界に近づくように不確実性を低減することで、アンフォールド分布における統計的精度を向上させる。
• GPUアクセラレーションを活用した高速な1イベントあたりの推論を実現し、各再構築解に対して確率的出力を提供することで、バックグラウンド分離の可能性を高める。

提案手法

• 観測オブジェクト$\mathcal{O}$を前提としたニュートリノ運動量の完全な条件付き確率分布$p(\vec{p}_{\nu_1}, \vec{p}_{\nu_2} \mid \mathcal{O})$をモデリングするために、条件付き正規化フローを採用する。
• ジェット、レプトン、補助情報からなる入力を、交差注意（cross-attention）と学習可能なクラストークンを備えたトランスフォーマーインクリプトを用いて、置換不変なイベント表現を生成する。
• イベント埋め込みを条件として正規化フローを条件づけ、物理的整合性と運動量相関を保持したまま、複数ニュートリノ運動量の解を生成する。
• 真のニュートリノ運動量を用いたシミュレーテッド$ t\bar{t} $双レプトン事象上で、質量制約を強制せず、運動論的構造を学習する形でエンドツーエンドでモデルを訓練する。
• 1つのCPUコア上で1イベントあたり75 ms未満の高速推論を実現し、GPUでの並列評価をサポートしてさらなる高速化を可能にする。
• 学習されたフローを用いて1イベントあたり複数の解をサンプリングし、下流の解析に際しては最も確率の高い解またはアンサンブル統計を用いる。

Figure 1 : A schematic of the $\nu^{2}$ -Flows network for learning the conditional likelihood of multiple neutrinos in the event. The network uses a transformer encoder (TE) with cross-attention (CA) with a learnable class token (CT) to embed an event representation for any multiplicity of physics

実験結果

リサーチクエスチョン

• RQ1 正規化フローに基づく手法は、標準的な解析的手法に比べて、$ t\bar{t} $双レプトン事象における複数ニュートリノ運動量の再構築精度を向上させることができるか？
• RQ2 $\nu^2$-Flowsは、$ m_W $ や $ m_t $ といったインvariant質量に強い仮定を置かないことで、従来の手法に比べてニュートリノ再構築のバイアスを低減できるか？
• RQ3 $\nu^2$-Flowsは、ニュートリノウェイトイング法や楕円法に比べて、アンフォールド分布における統計的精度をどの程度向上させるか？
• RQ4 $\nu^2$-Flowsは、高い速度と精度を維持しながら、すべてのイベントに対して再構築解を取得できる（完全なイベントカバレッジを達成できる）か？
• RQ5 モデルは、1つの$ m_t $値（173 GeV）でのみ学習されたにもかかわらず、真の$ m_t $（171 GeVおよび175 GeV）の変化に対して感受性を示すか？

主な発見

• $\nu^2$-Flowsは、標準的な解析的手法に比べて、特に縦方向運動量成分の再構築において顕著に高い精度を達成している。
• アンフォールド分布における各ビンの不確実性は、競合手法に比べて、完全なニュートリノ再構築の理論的限界にはるかに近い。
• 二重微分観測量（例：$ m_{t\bar{t}} $ および $\Delta\phi(\ell^+\ell^-) $）において、$\nu^2$-Flowsはニュートリノウェイトイング法に比べ1.5〜2倍、楕円法に比べて最大4倍の統計的精度向上を達成している。
• 一部の標準的手法が一部のイベントで解を発見できないのに対し、すべてのイベントで解が正常に再構築されている。
• 1つのCPUコア上で1イベントあたり75 ms未満の推論時間が達成されており、GPU並列処理によりさらなる短縮が可能である。
• 名目のトップクォーク質量173 GeVでのみ学習されたにもかかわらず、$\nu^2$-Flowsは真の$ m_t $（171 GeVおよび175 GeV）の変化に対して測定可能な感受性を示しており、質量依存性を暗黙的に学習していることが示唆される。

Figure 8 : The relative statistical uncertainty in each unfolded bin of the two dimensional distributions for $m_{t\bar{t}}$ and $\Delta\phi(\ell^{+}\ell^{-})$ (top left), $p_{\mathrm{T}}^{t}$ (top right), $p_{\mathrm{T}}^{t\bar{t}}$ (bottom left), and $y_{t\bar{t}}$ (bottom right). Comparing the th