[論文レビュー] Two Invertible Networks for the Matrix Element Method

Anja Butter, Theo Heimel+3 more|arXiv (Cornell University)|Sep 30, 2022

Particle physics theoretical and experimental studies参考文献 91被引用数 9

ひとこと要約

本論文は、LHC物理学における行列要素法（MEM）における効率的で尤度に基づく推論を可能にする、二つの条件付き可逆ニューラルネットワーク（cINN）を用いた新しい微分可能フレームワークを提案する。トランスファー-cINNはQCD放射と検出器効果をモデル化し、アンフォールディング-cINNは再構築されたイベントを部分素粒子レベルの位相空間に戻す。これにより、簡略化仮定をとらずに、イベントごとの尤度を高速かつ数値的に安定して計算可能となる。本手法は、現実の検出器効果や初期状態放射線を伴う中でも、トップヤクファのCP違反位相に対する感度が、ハード散乱レベルの真値と同等の性能を示すが、ジェットの組み合わせ問題により高多重度最終状態では精度が制限される。

ABSTRACT

The matrix element method is widely considered the ultimate LHC inference tool for small event numbers. We show how a combination of two conditional generative neural networks encodes the QCD radiation and detector effects without any simplifying assumptions, while keeping the computation of likelihoods for individual events numerically efficient. We illustrate our approach for the CP-violating phase of the top Yukawa coupling in associated Higgs and single-top production. Currently, the limiting factor for the precision of our approach is jet combinatorics.

研究の動機と目的

• LHCにおける行列要素法（MEM）の計算的ボトル neck を克服するため、高価な位相空間積分を学習された可逆写像に置き換える。
• 従来、簡略化仮定を要していた複雑なQCD放射および検出器効果を、微分可能で条件付きの生成的ネットワークアーキテクチャを用いてモデル化する。
• MEMフレームワークにおいて、個々のイベントに対する尤度評価を効率的かつ数値的に安定に行い、完全な運動量情報を保持する。
• レプトン的およびハドロン的トップ崩壊を伴うシミュレーテッドLHCイベントを用いて、トップヤクファカップリングにおけるCP違反位相への感度を示す。
• 初期状態放射線を伴う高多重度最終状態において生じるジェットの組み合わせ問題に関する課題を特定し、それに対処する。

提案手法

• トランスファー-cINNは、部分素粒子レベルのイベントから再構築された検出器レベルのイベントへの前向き変換を学習し、QCD放射、検出器エネルギー分解能、再構築効果を符号化する。
• アンフォールディング-cINNは、トランスファー-cINNを逆転させ、ハード散乱位相空間への効率的統合を可能にする。再構築されたイベントを部分素粒子レベルの状態に戻す。
• 両ネットワークはベイジアン条件付き可逆ニューラルネットワーク（ベイジアン cINN）として実装され、尤度およびネットワーク予測の不確実性推定が可能となる。
• 部分素粒子レベルと再構築レベルの位相空間間の転送関数において近似をとらず、微分可能でエンドツーエンドのフレームワークを採用する。
• アソシエートヒッグス生成およびシングルトップ生成を介したトップヤクファカップリングにおけるCP違反位相のベンチマークを実施。レプトン的およびハドロン的トップ崩壊を含む。
• 初期状態放射線（ISR）は、異なるジェット多重度を組み合わせることでベンチマークに組み込み、現実的なジェットの組み合わせ問題を模倣する。

実験結果

リサーチクエスチョン

• RQ1 二つの条件付き可逆ニューラルネットワークを用いて、簡略化仮定なしにMEMにおける検出器効果および位相空間統合をモデル化できるか？
• RQ2 このフレームワークは、理想化されたハード散乱レベルと比較して、トップヤクファカップリングにおけるCP違反位相への感度をどの程度保持できるか？
• RQ3 ジェットの組み合わせおよび初期状態放射線は、このフレームワークにおける尤度抽出の性能と不確実性にどのように影響するか？
• RQ4 ベイジアン cINN は、検出器効果が存在する状況でも、MEM文脈における尤度の信頼性の高い不確実性推定を提供できるか？
• RQ5 本手法は、LHCにおける少数イベント数解析において、高い忠実性を維持しながらも、数値的効率を保つことができるか？

主な発見

• 初期状態放射線なしのレプトン的およびハドロン的トップ崩壊において、本手法はハード散乱レベルの真値に近い尤度抽出精度を達成した。
• 初期状態放射線を伴うハドロン的トップ崩壊では、CP位相αに対する感度を示したが、α ≲ 10°付近では信号依存性が弱いため感度が低下した。
• ベイジアン不確実性推定は、標準模型値（α = 0°）付近で感受性の著しい低下を確認しており、この領域では運動量観測量の識別力が限られていることに一致する。
• α = 90°では尤度抽出にバイアスが見られたが、標準的なキャリブレーション手順により補正可能であった。
• キャリブレーション曲線（図13）は、イベント集合全体で一貫したカバレッジを維持しており、α ≳ 45°では真値と整合する平均値および68%信頼区間が得られた。
• 高多重度最終状態におけるジェットの組み合わせ問題の課題にもかかわらず、本フレームワークは将来的にNLOレベルの尤度への拡張に有望であることが示された。