[論文レビュー] MC@NLO event generation by reweighting unweighted Born events

Saad El Farkh, Rikkert Frederix+1 more|arXiv (Cornell University)|Feb 20, 2026

Particle physics theoretical and experimental studies被引用数 0

ひとこと要約

著者らは重み付けされていない Born レベルイベントを再重み付けして MC@NLO の S-イベントウェイトを取得し、H-イベントが別途生成される NLO+PS シミュレーションを可能にする。二つのLHCプロセスに対して標準的な MC@NLO と比較して検証している。

ABSTRACT

We propose a computational strategy for NLO+PS simulations in the MC@NLO framework that starts from Born-accurate (LO) events and reweights them to the full MC@NLO S-event weight, while generating H-events separately. We validate the approach on two representative LHC processes and compare to direct NLO event generation for both standard MC@NLO and MC@NLO-Delta matching. Employing large folding values in the radiative variables stabilizes the S-event integral, reduces weight variance, and significantly lowers the fraction of negative weights compared to S-event generation without folding. At fixed precision, this pipeline has comparable wall-clock times relative to standard S-event generation and unweighting, with room for further optimisation.

研究の動機と目的

• MC@NLO フレームワーク内でより迅速またはより効率的な NLO+PS イベント生成を動機づける。
• Born レベルのイベントから始めて、完全な S-イベントウェイトへ再重み付けするワークフローを開発する。
• folding を用いた再重み付けがベンチマークプロセスで MC@NLO 結果を再現することを示す。
• 分散削減を示し、標準的な MC@NLO ワークフローと比較した計算コストを比較する。

提案手法

• MC@NLO における S-イベントと H-イベントの寄与を定義し、MC カウンター項 K_MC とその放射相空間積分を同定する。
• 前生成された未加重 LO イベントを重み付けて w(Phi_B)=1+δ を用い、δ=(V(Phi_B)+∫K_MC(Phi_R)dPhi_r)/B(Phi_B) で S-イベントのウェイトを計算する。
• Born 構成ごとに放射变量 Phi_r を積分して完全な S-イベントのウェイトを取得する。
• S-イベントのために LO Born イベントを再重み付けする一方、H-イベントは標準的な MC@NLO の機構を用いて別途生成する。
• 放射変数を高い folding factor で畳み込み、積分を平滑化してウェイトの分散を低減し、負ウェイトを減らす。
• MadGraph5_aMC@NLO 内でワークフローを実装し、ファイルをマージしてショーワーシェという seed を作る前に LO イベントを再重み付けする。

実験結果

リサーチクエスチョン

• RQ1 LO-born イベントを再重み付けして MC@NLO の S-イベントウェイトを正確に再現できるか。
• RQ2 放射変数の folding が S-イベント積分を安定化させ、ウェイト分散と負ウェイトを減少させるか。
• RQ3 再重み付けアプローチは、NLO S-イベント生成と比較して実効統計量とウォールクロック時間の観点でどうなるか。
• RQ4 再重み付けされた S-イベントと別途生成された H-イベントは、微分分布に対して標準的な MC@NLO の予測を再現するか。

主な発見

• LO Born イベントを MC@NLO の S-ウェイトへ再重み付けすることで、総レートと微分分布を統計的不確実性の範囲内で再現できた（ベンチマークプロセス）。
• 放射変数を folding することでウェイト分散が大幅に減少し、再重み付けサンプルの Kish 有効サンプルサイズ（ESS）が増加し、folding なしの未加重 NLO S-イベントを超える場合もある。
• 直接の NLO S-イベント生成は、プロセスに依存して実効統計量と実時間の面で常に優れているとは限らず、tt̄ では競争力があるか上回る場合がある。
• このアプローチは S-イベントと H-イベントの生成を分離することで MC@NLO の物理を保持しつつ、MadGraph5_aMC@NLO に対する軽量な変更加工を可能にする。折りたたみベースの分散削減をオプションとして提供。
• tt̄ の場合、folding を用いた再重み付け LO は folding なしの未加重 NLO S-イベントと比較して ESS が同等か大きくなるが、folding が必ずしも直接の NLO 生成より時間で勝るとは限らない；ee+j の場合、folding は ESS と微分的適合を著しく改善するが、folding なしでは負ウェイトが依然として高い。