[論文レビュー] LHC analysis-specific datasets with Generative Adversarial Networks

B. Hashemi, N. Amin+3 more|arXiv (Cornell University)|Jan 16, 2019

Particle physics theoretical and experimental studies参考文献 30被引用数 30

ひとこと要約

本論文では、フルデタクターシミュレーションを回避して、乱数から直接高レベルの解析用イベント特徴量（例：$Z\to\mu\mu$崩壊におけるミュオンの4元運動量）を生成する、解析固有の生成対立ネットワーク（GAN）の使用を提案する。主な物理観測量の多次元分布をモデル化するようにGANを訓練することで、従来のMC生成に比べ3600倍の高速化が達成され、データサイズは2桁削減され、回帰に配慮した損失関数により収束性が向上する。

ABSTRACT

Using generative adversarial networks (GANs), we investigate the possibility of creating large amounts of analysis-specific simulated LHC events at limited computing cost. This kind of generative model is analysis specific in the sense that it directly generates the high-level features used in the last stage of a given physics analyses, learning the N-dimensional distribution of relevant features in the context of a specific analysis selection. We apply this idea to the generation of muon four-momenta in $Z o μμ$ events at the LHC. We highlight how use-case specific issues emerge when the distributions of the considered quantities exhibit particular features. We show how substantial performance improvements and convergence speed-up can be obtained by including regression terms in the loss function of the generator. We develop an objective criterion to assess the geenrator performance in a quantitative way. With further development, a generalization of this approach could substantially reduce the needed amount of centrally produced fully simulated events in large particle physics experiments.

研究の動機と目的

• LHC実験におけるフルモンテカルロシミュレーションの計算およびストレージ負荷の増大、特にHL-LHC環境下での課題に対処すること。
• フルデタクターレベルのイベントではなく、高レベルの解析特徴量を直接生成できるか、GANがその可能性を有するかを検証すること。これにより、CPUおよびディスク使用量を桁違いに削減できる。
• 特定の物理解析に特化した手法を開発し、特定の解析選択条件に特有のN次元特徴量分布を学習すること。
• ミュオン運動量やジェット数など、連続変数と離散変数が混合した複雑な多次元分布をGANで生成する際の性能を評価すること。
• 物理学的文脈に即した客観的基準を導入し、生成器の性能を定量的に評価する手法を提示すること。

提案手法

• Drell-Yan $Z\to\mu\mu$ サンプルから得た高レベル解析特徴量（例：ミュオン4元運動量、ジェットの横運動量）の多次元分布を学習するようにGANを訓練する。
• 生成器ネットワークを用いて、乱数を直接解析関連特徴量のベクトルに変換し、フルイベントシミュレーションおよび再構築をスキップする。
• 連続変数（例：運動量）の精度向上を図るため、回帰に配慮した項を生成器の損失関数に組み込む。
• バックプロパゲーションに対応可能にするために、離散的量（例：頂点数）にガウスノイズを適用し、その後フロア演算で整数に回復する。
• 連続出力から離散的特徴量（例：ジェット数）を抽出するために、15 GeV未満の値を0に設定するしきい値によるカウントを適用する。
• 生成データと実データの分布の統計的整合性に基づく定量的評価指標を定義し、客観的な評価を可能にする。

実験結果

リサーチクエスチョン

• RQ1 フルデタクターシミュレーションを回避して、解析固有の高レベル特徴量を直接生成できるか、GANが有効に機能するか。
• RQ2 生成器の損失関数に回帰項を組み込むことで、生成分布の収束速度と忠実度にどのような影響が生じるか。
• RQ3 運動量や頂点数など、連続変数と離散変数が混合する状況で、GANベースのイベント生成にどのような課題が生じるか。
• RQ4 物理学的指標に基づく定量的基準を用いることで、生成器の性能をどの程度客観的に評価できるか。
• RQ5 従来のモンテカルロシミュレーションと比較して、計算コストおよびデータストレージの大幅な削減が達成可能か。

主な発見

• GANベースの手法により、従来のPYTHIA+Delphesシミュレーションに比べ、ターゲットデータセットの生成が3600倍高速化された。
• 最終的な生成データサイズは2桁削減され（2 GBから10 MB未満）、生成器モデル自体のサイズも10 MB未満に収まった。
• 生成器の損失関数に回帰項を組み込むことで、生成分布の収束速度と精度が顕著に向上した。
• ガウススミアリングとしきい値によるカウント技術を用いることで、連続変数と離散変数の混合処理においても安定した性能を示した。
• 物理学的文脈に即した客観的かつ定量的な評価指標が成功裏に開発・適用され、生成器の忠実度を適切に評価できた。
• 本手法は一般化可能であり、今後のLHC実験において、中央集約型の完全シミュレート済みイベントの必要性を顕著に低減できる可能性を示した。