[论文解读] The MadNIS Reloaded

Theo Heimel, Nathan Huetsch+4 more|arXiv (Cornell University)|Nov 2, 2023

Particle physics theoretical and experimental studies参考文献 111被引用 7

一句话总结

该论文在 MadGraph MG5aMC 中实现并增强了 MadNIS 方法，引入新的基于ML的组件和训练策略，在具有挑战性的 LHC 过程的相空间采样和未权重化效率方面显著提升。

ABSTRACT

In pursuit of precise and fast theory predictions for the LHC, we present an implementation of the MadNIS method in the MadGraph event generator. A series of improvements in MadNIS further enhance its efficiency and speed. We validate this implementation for realistic partonic processes and find significant gains from using modern machine learning in event generators.

研究动机与目标

• 在 MG5aMC 内实现端到端的 ML 增强型 MadNIS 实现，以实现快速、精确的 LHC 预测。
• 通过神经通道权重和学习映射来改进相空间采样和方差约简。
• 在具有代表性的高多重性过程上展示性能提升（未权重化效率和采样精度）。
• 探索训练策略（在线/缓冲、分层采样、通道丢弃）以稳定并加速学习。
• 分析学习到的通道权重如何反映振幅模式和图组的重要性。

提出的方法

• 将局部多通道权重和相空间映射编码为神经网络（CWnet 用于通道权重，INN/RQS 用于相空间映射）。
• 使用基于 softmax 的归一化来强制通道权重，并以物理启发先验（MG 和 P 基先验）进行初始化。
• 用可逆神经网络（INN）替代 Vegas 进行潜在空间的相空间映射，确保快速的前向/反向评估。
• 使用方差最小化损失（MadNIS 损失）进行训练，考虑各通道方差和跨通道的最优样本分配。
• 采用在线和缓冲训练，结合分层采样和通道丢弃来稳定并加速学习，降低通道数量。
• 用基于 Vegas 的预训练初始化 INN 映射，以利用被积函数的因式分解。

实验结果

研究问题

• RQ1 MadNIS 能否在 MG5aMC 中有效实现，以为现实的 LHC 过程带来实质性加速？
• RQ2 神经通道权重和学习的相空间映射相较于标准 Vegas，如何改进未权重化效率和积分方差？
• RQ3 训练策略（在线/缓冲、分层采样、通道丢弃）对高多重性最终态的稳定性和性能有何影响？
• RQ4 学习到的通道权重如何在不同过程的底层振幅模式和图-组重要性中体现？
• RQ5 随着喷注多重性增加和复杂最终态，MadNIS 的可扩展性如何？

主要发现

Process	# diagrams	# channels	# channel groups	# active channels
Triple-W	17	16	8	2 … 4
VBS	51	30	15	4 … 6
W+jets (gg→W+ d u)	8	8	4	6
W+jets (gg→W+ d u g)	50	48	24	12 … 16
W+jets (gg→W+ d u g g)	428	384	108	28 … 51
t tbar +jets (gg→t tbar + g)	16	15	9	4 … 6
t tbar +jets (gg→t tbar + g g)	123	105	35	12
t tbar +jets (gg→t tbar + g g g)	1240	945	119	60 … 72

• 在 MG5aMC 中实现的 MadNIS 在具有挑战性的过程上显著提升未权重化效率（如摘要中所述，提升达到一个数量级）。
• 对于 VBS，未权重化效率约为 20%，较标准方法提升超过十倍。
• 分层训练结合训练好的通道权重带来巨大的性能提升，对于 VBS 最大达到 15 倍，对于其他过程也有显著提升。
• 通道丢弃通过聚焦最具影响的通道/组，在高通道数设置下稳定训练。
• 学习到的通道权重显示 MadNIS 将采样集中在少量对称相关的通道组上，有时甚至主导整个积分。
• 在 W+jets 与 ttbar+jets 场景中，随着喷注多重性的增加，MadNIS 仍保持显著增益，尽管在非常高的多重性时增益下降（尤以 ttbar+3 jets 为例）。