[论文解读] Robust Calibration of Non-Perturbative Models with History Matching

Andrew Iskauskas, Max Knobbe+2 more|arXiv (Cornell University)|Feb 25, 2026

Quantum Chromodynamics and Particle Interactions被引用 0

一句话总结

本文将 Bayes Linear Emulation 与 History Matching 应用于 SHERPA 的非微扰性成团化（hadronisation）模型校准（A Hadic 与 PYTHIA 接口），得到非不合理参数空间并实现对不确定性的稳健量化。

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.

研究动机与目标

• 在蒙特卡罗事件发生器中对 hadronisation 模型进行数据上的稳健标定。
• 识别与 LEP 数据一致的参数空间中的所有区域，而非仅找到一个最优拟合点。
• 量化参数不确定性以及由于不同 hadronisation 方法（A Hadic 与 PYTHIA）带来的模型不确定性。
• 展示 History Matching 在高维、非微扰模型标定中的实用性。

提出的方法

• 对 SHERPA 输出在参数空间内进行近似的 Bayes Linear 代理（emulators）。
• 使用 History Matching 通过引入代理的不确定性来迭代地排除不可信区域，利用 implausibility measure I(x)²。
• 用基函数和光滑协方差表示代理，其中包含活跃变量以降低维度。
• 结合多轮迭代逐步提升非不可信参数空间的狭窄程度，直到代理不确定性成为次主导。
• 对来自 432 个 LEP 测量的观测输出（bins）进行代理，同时考虑 MC 的随机性和模型分歧。
• 比较 SHERPA 中的两种 hadronisation 方案：A Hadic 簇碎裂（19 参数）与基于 PYTHIA 的 Lund-字符串碎裂（23 参数）。

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

实验结果

研究问题

• RQ1 历史匹配是否能够识别出与 LEP hadronisation 数据一致的 SHERPA 模型参数空间中的所有区域？
• RQ2 对多种 hadronisation 模型的处理如何影响最终的非不信赖参数空间及预测？
• RQ3 代理不确定性与随机 MC 变异对标定结果有何影响？
• RQ4 在高维 hadronisation 标定中，使用 Bayes Linear 代理与活跃变量的效率提升有多大？

主要发现

• 本研究在 History Matching、Bayes Linear 代理的基础上对 SHERPA 的 hadronisation 模型进行了标定，并分析了两种选项：A Hadic 簇碎裂与基于 PYTHIA 的字符串碎裂。
• 初步探索使用了大约 1000 次仿真运行以覆盖参数空间，标定由 432 组 LEP 观测引导。
• 在历史匹配过程中，为 A Hadic 代理了 127 个输出，为 PYTHIA 代理了 185 个输出，每轮选择信息量最大的 bin 的子集。
• 该方法考虑了 MC 随机性以及额外的模型不一致项，这影响最终的非不可信区域。
• 带有代理的历史匹配产生的非不可信参数空间体现了对不确定性的稳健量化，而非单一的最佳拟合点。
• 该框架能够识别在参数空间中产生相当预测的区域，并突出因 hadronisation 选项（A Hadic vs PYTHIA）带来的模型不确定性。

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