[논문 리뷰] $ν^2$-Flows: Fast and improved neutrino reconstruction in multi-neutrino final states with conditional normalizing flows

J. A. Raine, Matthew Leigh외 2명|arXiv (Cornell University)|2023. 07. 05.

Neutrino Physics Research인용 수 4

한 줄 요약

이 논문은 다중 뉴트리노 최종 상태, 특히 $t\bar{t}$ 이론적 이온 사건에서 관측된 물체로부터 조건부 확률 분포를 학습함으로써 뉴트리노 운동량을 빠르고 정확하게 재구성할 수 있는 조건부 정규화 흐름 방법인 $\nu^2$-Flows를 소개한다. 기존의 분석적 방법에 비해 더 높은 재구성 정확도와 통계적 정밀도를 달성하며, 이론적 처리 시간은 1개 이벤트당 75ms 이내이며, 토퍼 쿼크 질량과 스핀 상관관계에 대한 감도가 향상된다.

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.

연구 동기 및 목표

• 표준 분석적 방법이 부족한 해를 가지며 편향을 유발하는 문제를 해결함으로써, $t\bar{t}$ 이론적 이온 사건에서 다중 뉴트리노 재구성을 다루는 데 목적이 있다.
• 고정된 관측 질량 제약 조건(예: $W$ 및 토퍼 쿼크 질량)에 의존하는 전통적 접근법의 한계를 극복하여, 일부 이벤트에서 해를 찾지 못하거나 편향을 유발할 수 있음을 해결한다.
• 다양한 물체 유형과 다중성의 조합을 자연스럽게 처리할 수 있는 확장 가능하고 일반화 가능한 프레임워크를 개발한다.
• 완벽한 뉴트리노 재구성의 이상적 한계에 가까운 불확실성으로 분포를 펼칠 때 통계적 정밀도를 향상시킨다.
• GPU 가속을 통해 빠른 이벤트별 추론을 가능하게 하고, 각 재구성 해에 대한 확률적 출력을 제공함으로써 잡음 분리 잠재력을 제공한다.

제안 방법

• 관측된 물체 $\mathcal{O}$ 를 기반으로 뉴트리노 운동량의 전체 조건부 확률 분포 $p(\vec{p}_{\nu_1}, \vec{p}_{\nu_2} \mid \mathcal{O})$ 를 모델링하기 위해 조건부 정규화 흐름을 사용한다.
• 제트, 렙톤 및 보조 정보로부터 순열 불변의 이벤트 표현을 생성하기 위해 크로스 어텐션과 학습 가능한 클래스 토큰을 갖는 트랜스포머 인코더를 사용한다.
• 이벤트 임bedding을 조건으로 하여 물리적 일관성과 운동학적 상관관계를 유지하면서 다중 뉴트리노 운동량 해를 생성한다.
• 진짜 뉴트리노 운동량을 갖춘 시뮬레이션된 $t\bar{t}$ 이론적 이온 사건에서 엔드 투 엔드로 모델을 훈련시키며, 질량 제약 조건을 강제하지 않고 기저 운동학적 구조를 학습한다.
• 단일 CPU 코어에서 1개 이벤트당 75ms 이내의 빠른 추론을 가능하게 하고, GPU에서의 병렬 처리를 지원하여 추가적인 속도 향상을 달성한다.
• 학습된 흐름을 사용해 각 이벤트에서 여러 해를 샘플링하고, 후속 분석을 위해 최고 확률 해 또는 앙상블 통계를 사용한다.

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

실험 결과

연구 질문

• RQ1 정규화 흐름 기반 방법이 표준 분석 기법보다 $t\bar{t}$ 이론적 이온 사건에서 다중 뉴트리노 운동량을 더 높은 정확도로 재구성할 수 있는가?
• RQ2 $\nu^2$-Flows는 전통적 방법과 달리 $m_W$, $m_t$ 등의 고정된 관측 질량에 대한 강한 가정을 피하기 때문에 뉴트리노 재구성에서 편향을 줄이는가?
• RQ3 Neutrino Weighting 및 Ellipse 방법과 비교해 $\nu^2$-Flows는 펼친 분포에서 통계적 정밀도를 어느 정도 향상시키는가?
• RQ4 $\nu^2$-Flows는 고속과 고정확도를 유지하면서 모든 이벤트에 대한 재구성(즉, 모든 이벤트에서 해를 찾는 것)을 달성할 수 있는가?
• RQ5 단일 $m_t$ 값(173 GeV)으로만 훈련된 모델이 진짜 $m_t$(171 GeV 및 175 GeV)의 변화에 대해 감도를 유지하는가?

주요 결과

• $\nu^2$-Flows는 표준 분석 기법에 비해 $t\bar{t}$ 이론적 이온 사건에서 뉴트리노 운동량을 유의미하게 더 정확하게 재구성하며, 특히 縦방향 운동량 성분 재구성에서 뛰어난 성능을 보인다.
• 펼친 분포에서의 각 밴드 불확실성은 경쟁 방법에 비해 이상적 완벽한 뉴트리노 재구성의 이론적 한계에 훨씬 더 가까워진다.
• 이중 미분 관측량인 $m_{t\bar{t}}$ 및 $\Delta\phi(\ell^+\ell^-)$ 에서 $\nu^2$-Flows는 Neutrino Weighting 방법에 비해 통계적 정밀도를 1.5~2배 향상시키고, Ellipse 접근법에 비해 최대 4배까지 향상시킨다.
• 모든 이벤트에서 성공적으로 재구성된 해를 확보하였으며, 일부 표준 방법이 일부 이벤트에서 해를 찾지 못하는 것과 대비된다.
• 1개 이벤트당 추론 시간은 단일 CPU 코어에서 75ms 이내이며, GPU 병렬 처리를 통해 추가로 단축될 수 있다.
• 명시적인 $m_t$ 값(173 GeV)으로만 훈련되었음에도 불구하고, 진짜 $m_t$가 171 GeV 및 175 GeV일 때의 변화에 대해 측정 가능한 감도를 보이며, 질량 의존성에 대한 암묵적 학습이 이루어졌음을 시사한다.

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