[論文レビュー] ELSA -- Enhanced latent spaces for improved collider simulations

Benjamin Nachman, Ramon Winterhalder|arXiv (Cornell University)|May 12, 2023

Particle physics theoretical and experimental studies被引用数 5

ひとこと要約

この論文は、潜在空間の最適化と拡張型正規化フローを用いて、衝突実験のシミュレーション精度を向上させるための機械学習フレームワークであるELSAを紹介している。様々な運動量領域において、相空間サンプリングの精度が1%未塔に達し、計算コストの増加を最小限に抑えつつシミュレーションの忠実度を著しく向上させている。

ABSTRACT

Simulations play a key role for inference in collider physics. We explore various approaches for enhancing the precision of simulations using machine learning, including interventions at the end of the simulation chain (reweighting), at the beginning of the simulation chain (pre-processing), and connections between the end and beginning (latent space refinement). To clearly illustrate our approaches, we use W+jets matrix element surrogate simulations based on normalizing flows as a prototypical example. First, weights in the data space are derived using machine learning classifiers. Then, we pull back the data-space weights to the latent space to produce unweighted examples and employ the Latent Space Refinement (LASER) protocol using Hamiltonian Monte Carlo. An alternative approach is an augmented normalizing flow, which allows for different dimensions in the latent and target spaces. These methods are studied for various pre-processing strategies, including a new and general method for massive particles at hadron colliders that is a tweak on the widely-used RAMBO-on-diet mapping. We find that modified simulations can achieve sub-percent precision across a wide range of phase space.

研究の動機と目的

• 衝突実験のシミュレーションに用いられる深層生成モデルにおけるトポロジカル障害と精度損失の課題に対処すること。
• 計算コストを増加させることなく、高エネルギー物理学におけるシミュレーション精度を向上させること。
• 一般化可能で計算効率の良い方法を考案し、潜在空間を最適化し、正規化フローを強化すること。
• 運動量カットや共鳴構造を伴うような複雑な過程、例えばW+ jetsに対して高精度なイベント生成を可能にすること。
• 衝突物理学におけるさまざまなサーモンモデルおよびシミュレーションパイプラインに適用可能なフレームワークを提供すること。

提案手法

• ハミルトニアン・モンテカルロを用いて、データ空間の重みを潜在空間に逆伝播させる潜在空間最適化（Laser）プロトコルを適用し、重みなしで高精度なサンプルを生成する。
• 機械学習分類器を用いて、サーモンモデルと参照シミュレーションとの間の乖離を是正するデータ空間の重みを導出する。
• ターゲット特徴空間よりも次元の高い潜在空間を備えた拡張型正規化フローを実装し、トポロジカル制約を克服する。
• ハドロン衝突実験における重粒子のための新しい前処理手法を導入し、変更を加えたRamboOnDietマッピングを基盤とする。
• 潜在空間最適化と拡張型フローを組み合わせることで、急激な相空間境界や共鳴構造を有する領域におけるサンプリング品質を向上させる。
• 正規化フローを代表例として用い、W+jetsの行列要素サーモンシミュレーションを用いてモデルを訓練および検証する。

実験結果

リサーチクエスチョン

• RQ1 ハミルトニアン・モンテカルロを用いた潜在空間最適化は、衝突実験のシミュレーションにおける深層生成モデルの精度を顕著に向上させ得るか？
• RQ2 次元の高い潜在空間を備えた拡張型正規化フローは、相空間サンプリングにおけるトポロジカル障害をどれほど軽減できるか？
• RQ3 提案された重粒子のための前処理手法は、複雑な相空間領域におけるシミュレーション精度をどれほど向上させるか？
• RQ4 データ空間の再重み付けと潜在空間最適化を組み合わせることで、イベント生成における1%未塔の精度を達成できるか？
• RQ5 これらの手法は、高エネルギー物理学における他のサーモンモデルやシミュレーションチェーンに対しても一般化可能か？

主な発見

• Laserプロトコルは、データ空間の重みを潜在空間に効果的に伝播させ、統計的品質が向上した重みなしの高精度サンプルの生成を可能にした。
• 次元の高い潜在空間を備えた拡張型正規化フローは、マルチ共鳴領域や境界領域における標準的な正規化フローが制限を受けるトポロジカル障害を効果的に緩和した。
• 重粒子のための修正版RamboOnDiet前処理手法は、運動量閾値付近の相空間サンプリング精度を向上させた。
• 潜在空間最適化と拡張型フローを併用することで、W+jetsシミュレーションの広範な相空間領域で1%未塔の精度が達成された。
• このフレームワークは計算効率が高く、一般化可能であり、衝突物理学におけるさまざまなサーモンモデルおよびシミュレーションパイプラインに適用可能であった。
• この手法は、計算コストの増加を最小限に抑えつつ高精度なシミュレーションを可能にし、HL-LHCのデータ解析に適している。