[論文レビュー] JFIT: a framework to obtain combined experimental results through joint fits

E. Ben-Haim, René Brun+2 more|arXiv (Cornell University)|Sep 17, 2014

Simulation Techniques and Applications被引用数 10

ひとこと要約

JFIT は、データを統合したり適合コードを再書き直したりせずに、複数の実験的データセットを同時に適合できる C++ フレームワークです。マスターワーカー型アーキテクチャを採用しており、データの機微性を保ちつつ、既存の解析ツールとの互換性を維持した正確な結果の組み合わせを可能にします。

ABSTRACT

A master-worker architecture is presented for obtaining combined experimental results through joint fits of datasets from several experiments. The design of the architecture allows such joint fits to be performed keeping the data separated, in its original format, and using independent fitting environments. This allows the benefits of joint fits, such as ensuring that correlations are correctly taken into account and better determination of nuisance parameters, to be harnessed without the need to reformat data samples or to rewrite existing fitting code. The Jfit framework is a C++ implementation of this idea in the Laura++ package, using dedicated classes of the ROOT package. We present the Jfit framework, give instructions for its use, and demonstrate its functionalities with concrete examples.

研究の動機と目的

• 複数の高エネルギー物理学実験からの実験的結果を統合する課題に取り組み、データの機微性と既存の解析ワークフローを保全すること。
• 系統的不確実性の完全またはゼロ相関を仮定する従来の平均化手法の制限を克服すること。
• 既存の適合環境やデータ形式との互換性を保ちつつ、スケーラブルでモジュラーな統合適合のソリューションを提供すること。
• 複数の実験間でネイジブパラメータを同時に制約することで、パラメータと不確実性の正確な推定を可能にすること。
• ガウス分布でない不確実性や上限値を含む複雑な尤度ベースの統合を、単純化の仮定なしに可能にすること。

提案手法

• マスターが独立したワーカーからの尤度値を統合することで、統合的な適合を調整するマスターワーカー型アーキテクチャを実装する。
• 各ワーカーは、自らのネイティブな適合環境（例：RooFit）を使用して、自身のデータセット上で別個の適合処理を実行し、マスターに尤度値のみを返す。
• マスターは個々の尤度を統合して総尤度関数を構築する：2つの実験に対して $\mathcal{L}_{\text{total}} = \mathcal{L}_A \cdot \mathcal{L}_B$。
• ROOT および Laura++ C++ クラスを用いて、パラメータのやり取り、尤度の評価、共分散行列の計算を管理する。
• 既存の適合コードを最小限の変更で再利用可能にするために、マスターと通信するスレーブインターフェースでラップする。
• マスターとワーカー間の同期通信により、パラメータの更新、誤差伝搬、プル計算をサポートする。

実験結果

リサーチクエスチョン

• RQ1 複数の実験的データセットを、データ共有やコードの移行を要せず、1つの統合適合に統合する方法は何か？
• RQ2 個々の実験解析の独立性を保ちながら、正確な統合適合を実現するアーキテクチャパターンは何か？
• RQ3 標準的な平均化手法と比較して、統合適合はパラメータ推定の精度と信頼性をどのように向上させるか？
• RQ4 既存の適合フレームワークを用いて、分散的かつモジュラーに効率的な統合適合を実装できるか？
• RQ5 不確実性の伝播と系統的誤差の取り扱いという観点から、統合適合の実用的利点は何か？

主な発見

• JFIT は、データの再フォーマットや既存の適合コードの再書き直しを要せず、複数のデータセットの統合適合を可能にする。
• フレームワークは、データの分離を保ちつつ、複数の実験間でのパラメータ間の完全な相関処理を実現している。
• JFIT を用いた統合適合により、ネイジブパラメータの制約が強化され、関心パラメータの精度が向上する。
• マスターワーカー型設計により、既存の適合環境（例：RooFit）を変更せずそのまま利用可能となり、統合のオーバーヘッドが低減される。
• フレームワークは、非ガウス分布の不確実性、上限値、外部の系統的入力といった複雑なケースに対応でき、繰り返し適合を介して実現する。
• 結果はパラメータ値、誤差、プル、相関行列を通じて伝達され、完全な統計的検証が可能になる。