[논문 리뷰] Robust Calibration of Non-Perturbative Models with History Matching

Andrew Iskauskas, Max Knobbe외 2명|arXiv (Cornell University)|2026. 02. 25.

Quantum Chromodynamics and Particle Interactions인용 수 0

한 줄 요약

이 논문은 Bayes Linear Emulation 및 History Matching을 적용하여 SHERPA의 비섭동성 비편향화 모델을 보정하고, 비 Implausible 매개변수 공간 및 견고한 불확실성 정량화를 얻는다.

ABSTRACT

We apply, for the first time, Bayes Linear Emulation and History Matching to the calibration of non-perturbative models in Monte Carlo event generators. In contrast to the usual approach of "Monte Carlo tuning", History Matching does not result in best-fit plus ellipsoidal parameter uncertainty estimates but instead identifies all parameter space regions that are consistent with data. This approach leads to a systematic and robust quantification of parametric uncertainties in the models, especially in those challenging cases where different, possibly disjoint, regions of parameter space deliver similar results, which are usually not properly treated with current methodology. We highlight the power of this method with the hadronisation models available through Sherpa: the built-in cluster fragmentation Ahadic and string fragmentation through an interface to Pythia.

연구 동기 및 목표

• 몬테카를로 이벤트 생성기에서 하드로나이제이션 모델을 데이터에 대해 강건하게 보정한다.
• LEP 데이터와 일치하는 매개변수 공간의 모든 영역을 단일 최적적 적합이 아닌 식별한다.
• 다양한 하드로나이제이션 접근법(A Hadic 대비 PYTHIA)으로 인한 매개변수 불확실성 및 모델 불확실성을 정량화한다.
• 고차원적 비섭동 모델 보정을 위한 History Matching의 유용성을 입증한다.

제안 방법

• SHERPA 출력의 매개변수 공간 전반에 걸친 근사치를 얻기 위해 Bayes Linear 에뮬레이터를 적용한다.
• 에뮬레이터 불확실성을 포함한 I(x)²라는 불합당성 측정을 통해 반복적으로 비 implausible 영역을 제거하기 위해 History Matching을 사용한다.
• 차원 축소를 위해 활성 변수(active variables)를 포함한 기저 함수와 매끄러운 공분산으로 에뮬레이터를 표현한다.
• 에뮬레이션 불확실성이 지배적이지 않게 될 때까지 여러 물결을 통해 비 implausible 매개변수 공간을 점차 선명하게 한다.
• 432개의 LEP 파생 측정값에서의 선택된 관측 가능 산출물(빈)을 에뮬레이션하되, MC의 확률적 가변성 및 모델 차이로 인한 오차를 반영한다.
• SHERPA의 두 가지 하드로나이제이션 접근법을 비교한다: A Hadic 클러스터 파편화(19 매개변수) 및 PYTHIA 기반 Lund-스트링 파편화(23 매개변수).

Figure 2 : Plots of the diagnostics performed on each emulator at each HM wave, for a late-wave P YTHIA output. From left to right, the diagnostics check predictive agreement between simulator ( $x$ -axis) and emulator ( $y$ -axis) output; implausibility classifications for simulator and emulator; a

실험 결과

연구 질문

• RQ1 History Matching이 SHERPA 모델에 대한 LEP 하드로나이제이션 데이터와 일치하는 모든 매개변수 공간 영역을 식별할 수 있는가?
• RQ2 여러 하드로나이제이션 모델의 처리가 최종 비implausible 매개변수 공간 및 예측에 어떤 영향을 미치는가?
• RQ3 에뮬레이터 불확실성 및 확률적 MC 가변성이 보정 결과에 어떤 영향을 미치는가?
• RQ4 높은 차원의 하드로나이제이션 보정에서 Bayes Linear 에뮬레이터와 활성 변수를 사용한 효율성 향상은 어느 정도인가?

주요 결과

• 연구는 Bayes Linear 에뮬레이터와 History Matching을 사용하여 SHERPA 하드로나이제이션 모델을 보정하고 두 가지 선택지(A Hadic 및 PYTHIA 문자열 파편화)를 분석한다.
• 초기 탐색은 매개변수 공간을 커버하기 위해 약 1000회의 시뮬레이터 실행을 사용했고 보정은 432개의 LEP 관측치를 기반으로 이뤄졌다.
• 역사 매칭 전반에 걸쳐 A Hadic에 대해 127개의 출력이 에뮬레이션되었고 PYTHIA에 대해 185개의 출력이 에뮬레이션되었으며 물결당정보적 부분집합의 빈을 선택했다.
• MC의 확률적 가변성 및 추가적인 모델 차이 항을 반영해 최종 비implausible 영역에 영향을 준다.
• 에뮬레이션을 통한 History Matching은 단일 최적적 적합이 아니라 강건한 불확실성 정량화를 반영하는 비implausible 매개변수 공간을 생성한다.
• 이 프레임워크는 매개변수 공간에서 비교 가능한 예측을 초래하는 영역을 식별할 수 있게 하며, 하드로나이제이션 선택(A Hadic 대 PYTHIA)으로 인한 모델 불확실성을 부각시킨다.

Figure 3 : The active variables, and strength of effect, for all observable outputs from an ALEPH measurement of the $C$ -parameter event shape [ undefaaf ] at the final HM wave. Any tile with a border indicates that the parameter is active for that output; the colour of the tile determines the stre