[论文解读] 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 30

一句话总结

该论文提出使用分析特定的生成对抗网络（GAN）直接从随机噪声生成高阶、分析就绪的事件特征——例如 $Z\to\mu\mu$衰变中的缪子四动量——从而绕过完整的探测器模拟。通过训练 GAN 来建模关键物理可观测量的多维分布，该方法在传统蒙特卡洛生成基础上实现了 3600 倍的加速，数据量减少两个数量级，并通过回归感知损失函数提升了收敛性。

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.

研究动机与目标

• 为应对高亮度 LHC 条件下 LHC 实验中全量蒙特卡洛模拟带来的日益增长的计算与存储负担。
• 探索 GAN 是否能够直接生成高阶分析特征，而非全探测器级事件，从而将 CPU 和磁盘使用量降低数个数量级。
• 开发一种针对单个物理分析定制的方法，学习特定分析选择下相关的 N 维特征分布。
• 评估 GAN 在生成包含连续与离散变量混合的复杂多维分布（如粒子动量与喷注数量）方面的性能。
• 提出一种定量、客观的判据，用于在物理背景下评估生成器的性能。

提出的方法

• 训练 GAN 从 Drell-Yan $Z\to\mu\mu$ 样本中学习高阶分析特征（如缪子四动量、喷注横动量）的多维分布。
• 使用生成器网络将随机噪声直接映射为分析相关特征的向量，跳过完整的事件模拟与重建过程。
• 在生成器损失函数中引入回归项，以提升收敛速度与精度，尤其针对动量等连续变量。
• 对离散量（如顶点数）应用高斯展宽，使其在反向传播中可微分，随后通过向下取整操作恢复为整数。
• 通过阈值判定法从连续的生成器输出中提取离散特征（如喷注数量），即将低于 15 GeV 的值设为零。
• 基于生成数据与真实数据分布之间的统计一致性，定义一种定量性能指标，实现对生成器性能的客观评估。

实验结果

研究问题

• RQ1 GAN 是否能够被有效训练以直接生成分析特定的高阶特征，从而绕过完整的探测器模拟？
• RQ2 在生成器损失函数中引入回归项，对生成分布的收敛速度与保真度有何影响？
• RQ3 在基于 GAN 的事件生成中，建模混合的连续与离散变量（如动量与顶点数）会面临哪些挑战？
• RQ4 在多大程度上可以使用物理相关的指标客观量化生成器的性能？
• RQ5 与传统蒙特卡洛模拟相比，该方法是否能在计算成本与数据存储方面实现显著降低？

主要发现

• 基于 GAN 的方法在生成目标数据集方面相比传统 PYTHIA+Delphes 模拟实现了 3600 倍的加速。
• 最终生成的数据集大小减少了两个数量级（从 2 GB 降至 10 MB 以下），且生成器模型本身存储空间不足 10 MB。
• 在生成器损失函数中引入回归项显著提升了生成分布的收敛速度与精度。
• 该方法在处理混合连续与离散变量方面表现出稳健性能，尤其在结合高斯展宽与阈值判定计数技术时效果更佳。
• 成功开发并应用了一种客观的定量性能指标，以物理上合理的方式评估生成器的保真度。
• 该方法具有通用性，未来有望显著减少对中心化生成的全模拟事件的需求。