[논문 리뷰] Machine Learning tools for global PDF fits

Juan Rojo|arXiv (Cornell University)|2018. 09. 12.

Particle physics theoretical and experimental studies참고 문헌 18인용 수 4

한 줄 요약

이 논문은 신경망 기반의 다층 피드포워드 신경망을 사용한 모델 독립적 파arton 분포 함수(PDF) 파arametrization, 최적화를 위한 유전 알고리즘과 공분산 행렬 적응 알고리즘, 그리고 체계적 검증을 위한 클로처 테스팅을 포함하는 신경망 기반의 전역 QCD 분석에서의 기계학습 프레임워크를 제시한다. 이 방법은 이전 방법에 비해 더 높은 정확도와 불확실성 추정 능력을 갖춘 통계적으로 타당한 PDF 피팅을 달성한다.

ABSTRACT

The use of machine learning algorithms in theoretical and experimental high-energy physics has experienced an impressive progress in recent years, with applications from trigger selection to jet substructure classification and detector simulation among many others. In this contribution, we review the machine learning tools used in the NNPDF family of global QCD analyses. These include multi-layer feed-forward neural networks for the model-independent parametrisation of parton distributions and fragmentation functions, genetic and covariance matrix adaptation algorithms for training and optimisation, and closure testing for the systematic validation of the fitting methodology.

연구 동기 및 목표

• 전역 QCD 분석에서 양성자 파톤 분포 함수(PDF)와 분해 함수(FF)를 모델 독립적이고 기계학습 기반의 방법으로 파arametrizing하는 것.
• 유전 알고리즘과 공분산 행렬 적응과 같은 고급 최적화 알고리즘을 활용하여 PDF 결정의 정확도와 신뢰성을 향상시키는 것.
• 기본 PDF 세트에서 알려진 데이터를 기반으로 생성된 의사 데이터를 사용하여 클로저 테스팅을 통해 피팅 방법론을 체계적으로 검증하는 것.
• 몽테카를로 레플리카 방법과 베이지안 재가중 기법을 통해 PDF 피팅에서의 불확실성 전파와 통계적 일관성을 보장하는 것.
• LHAPDF 표준과 호환되는 고정밀도 PDF 세트를 제공하여 LHC 물리학 분석에 활용할 수 있도록 하는 것.

제안 방법

• 다양한 기능 형태를 가능하게 하는 모델 독립적이고 융통성 있는 형태로, 낮은 스케일(Q₀ ≈ 1 GeV)에서 PDF와 FF를 다층 피드포워드 신경망을 사용해 파arametrizing한다.
• 실험 데이터 전반에 걸쳐 χ² 지표를 최소화함으로써 신경망 파aram터를 최적화하기 위해 유전 알고리즘과 공분산 행렬 적응 진화 전략을 사용한다.
• 과적합을 방지하기 위해 봉인된 교차검증 정지 기준을 적용하며, 검증 데이터에서 χ²가 최소가 되는 반복 단계에서 학습을 중단한다.
• 몽테카를로 레플리카를 사용하여 실험적 불확실성을 PDF 불확실성으로 전파함으로써 통계적 오차 추정과 전파를 가능하게 한다.
• 기본 PDF 세트(예: MMHT14, CT14)에서 유래한 의사 데이터를 생성하고 재피팅하여 중심값과 불확실성이 정확히 재현되는지 확인함으로써 클로저 테스팅을 수행한다.
• 베이지안 재가중 기법을 사용하여 결과 PDF 불확실성이 일관된 통계적 해석을 갖는지 확인하는 교차검증을 수행한다.

실험 결과

연구 질문

• RQ1 다층 피드포워드 신경망은 전역 QCD 피팅에서 파톤 분포 함수에 대해 모델 독립적 파arametrization으로 효과적으로 기능할 수 있는가?
• RQ2 복잡하고 고차원적인 PDF 파aram터 공간 최적화에서 유전 알고리즘과 공분산 행렬 적응 알고리즘이 어떻게 비교되는가?
• RQ3 후행 교차검증 정지 기준은 신경망 기반 PDF 피팅에서 과적합을 어느 정도 효과적으로 방지하는가?
• RQ4 의사 데이터를 사용한 클로저 테스팅은 NNPDF 피팅 방법론의 통계적 강건성과 신뢰성을 입증할 수 있는가?
• RQ5 몽테카를로 레플리카와 베이지안 재가중 기법을 통해 유도된 PDF 불확실성은 클로저 테스트에서 일관되고 잘 校정된 결과를 도출하는가?

주요 결과

• 유전 알고리즘을 사용한 NNPDF3.0 피팅은 NNPDF2.3 피팅에 비해 성능 향상을 보였으며, 특히 레벨 0 클로저 테스트에서 더 낮은 χ² 값을 달성하였다.
• 레벨 2 클로저 테스트에서 단일 레플리카 피팅의 분포는 가우시안 분포와 일치함을 확인하여 중심값의 변동이 제시된 PDF 불확실성과 일관되게 발생함을 입증하였다.
• 후행 교차검증 정지 기준은 검증 χ²가 최소가 되는 최적의 학습 반복 단계를 식별함으로써 과적합을 성공적으로 방지하였다.
• 레벨 0 클로저 테스트에서 입력 PDF 세트(MMHT14 등)가 완벽한 피팅을 제공하므로 χ² 값이 임의로 작아지며, 이는 방법이 알려진 해를 정확히 복원할 수 있음을 확인한다.
• 베이지안 재가중 기법은 성공적으로 피팅 결과를 재현하였으며, PDF 불확실성이 통계적으로 타당한 해석을 갖는다는 점을 교차검증으로 확인하였다.
• NNPDF 프레임워크는 LHAPDF 표준과 호환되는 PDF 세트를 성공적으로 제공하여 LHC 분석 파이프라인에 통합 가능함을 입증하였다.