Quantifier les incertitudes de l'apprentissage automatique dans la recherche de nouvelles physiques au LHC

Quantifying ML uncertainties in searches for new physics at the LHC

• Auteur / Autrice : Joaquín ITURRIZA RAMíREZ
• Direction : Bertrand Laforge, Anja Butter
• Type : Projet de thèse
• Discipline(s) : Physique
• Date : Inscription en doctorat le 01/11/2024
• Etablissement(s) : Sorbonne université
• Ecole(s) doctorale(s) : Physique en Ile de France
• Partenaire(s) de recherche : Laboratoire : Laboratoire de Physique Nucléaire et des Hautes Energies

Mots clés

Mots clés libres

Incertitude

Apprentissage automatique

Physique des particules

Lhc

Uncertanties

Machine Learning

High energy physics

Lhc

Résumé

À la recherche des principes fondamentaux de construction de l'Univers, la physique des hautes énergies combine les prédictions basées sur les premiers principes avec les méthodes de science des données dans des études de haute précision. Les questions pressantes en physique des hautes énergies incluent la nature de la matière noire, qui façonne la formation de l'univers, et l'origine de l'asymétrie matière-antimatière, une condition nécessaire à notre existence. Pour trouver des explications à ces phénomènes, le LHC recherche des signes de nouvelle physique dans les collisions proton-proton atteignant des énergies de centre de masse de 13,6 TeV dans un système de laboratoire contrôlé. La production de nouvelles particules comme la matière noire entraînerait de petites différences dans les mesures par rapport aux prédictions de précision du Modèle Standard, qui décrit toutes les particules connues et leurs interactions exclusivement sur la base d'un Lagrangien fondamental. Trouver des signes de physique au-delà du Modèle Standard nécessite un effort crucial pour établir des méthodes de haute précision combinant de grandes statistiques avec des méthodes optimisées et des traitements d'incertitude fiables. Étant donné que la nature de la physique des hautes énergies est intrinsèquement probabiliste, chaque mesure doit être analysée en utilisant des méthodes statistiques qui peuvent prendre en compte toutes les incertitudes associées, qu'elles soient statistiques, systématiques ou théoriques. Le traitement rigoureux de ces incertitudes nous permet de fixer des critères de qualité très stricts pour les mesures, exigeant un minimum de 5 sigma pour déclarer une nouvelle découverte. L'avènement des méthodes d'apprentissage automatique a été une étape cruciale dans le développement de nouvelles méthodes d'analyse et de prédiction au LHC. La quantité de données mesurées avant la sélection par déclencheur s'élève à 1 Pb par seconde. Les techniques d'analyse actuelles reposent fortement sur les sélections de déclencheur, qui réduisent la quantité initiale d'un facteur de 40000 à un débit gérable. Même à ce stade, la grande dimensionnalité et la grande quantité de statistiques posent un grand défi à nos méthodes d'analyse des données. L'apprentissage automatique a ouvert de nouvelles opportunités pour aborder en particulier la grande dimensionnalité des données, souvent un facteur limitant pour la précision des méthodes traditionnelles. Les réseaux neuronaux sont utilisés dans de nombreuses analyses de pointe pour l'identification des particules, la classification signal contre bruit et l'étalonnage. Des études récentes ont démontré leur aptitude à des analyses optimisées, de l'inférence sans vraisemblance aux observables optimaux et à la méthode des éléments de matrice. Enfin, les réseaux neuronaux sont actuellement explorés pour améliorer les prédictions à partir de calculs en boucle via la génération d'événements jusqu'aux simulations de détecteurs avec des réseaux génératifs. Bien que l'apprentissage automatique ait démontré d'excellentes performances dans de nombreux domaines, un aspect crucial des prédictions et analyses basées sur les réseaux dans la physique des hautes énergies reste évasif : le traitement des incertitudes associées à l'apprentissage automatique. En raison des exigences élevées en matière de précision et de traitements quantitatifs des incertitudes, il est crucial d'établir un contrôle strict de la validité des méthodes et des estimations quantitatives des incertitudes. Selon la question physique, cela peut se traduire par la quantification de la proximité d'une méthode à l'optimal, les régions où les prédictions sont limitées par les statistiques ou la capacité à identifier les anomalies dans les données. Par exemple, dans le cas de la classification des quarks par rapport aux gluons, il est crucial de savoir si une prédiction de 50% provient d'un jet ayant des propriétés pouvant se produire à la fois dans les jets de quarks et de gluons, ou d'un jet dont les caractéristiques sont différentes des deux. Les incertitudes offrent la possibilité de répondre à ces questions. Le projet proposé explorera comment obtenir des estimations fiables des incertitudes avec les méthodes d'apprentissage automatique dans les régions à statistiques limitées. Plus précisément, l'objectif de la thèse est d'explorer différentes méthodes pour estimer les incertitudes en apprentissage automatique et d'analyser leur fiabilité, leur robustesse et leur calibration dans le contexte du dépliage et des simulations.

In search of the fundamental building principles of the Universe, high-energy physics combines first principle-based predictions with data science methods in high-precision studies. Pressing questions in high-energy physics include the nature of dark matter, which shapes the formation of the universe, and the origin of the matter-antimatter asymmetry that is a requirement for our existence. To find explanations for these phenomena, the LHC searches for signs of new physics in proton-proton collisions achieving a centre of mass energies of 13.6 TeV in a controlled laboratory system. The production of new particles like dark matter would lead to small differences in measurements with respect to precision predictions of the Standard Model, which describes all known particles and their interaction based exclusively on a fundamental Lagrangian. Finding signs of physics beyond the Standard Model requires crucial effort to establish high-precision methods combining large statistics with optimized methods and reliable uncertainty treatments. Since the nature of high energy physics is inherently probabilistic, every measurement has to be analysed using statistics methods that can take into account all associated uncertainties, statistical, systematic as well flat theory uncertainties. The rigorous treatment of these uncertainties enables us to put very strict quality criteria for measurements, leading to a minimal requirement of 5 sigma to declare a new discovery. The rise of machine learning methods has been a crucial step in the development of new analysis and prediction methods at the LHC. The measured amount of data before trigger selection amounts to 1 Pb per second. Current analysis techniques strongly rely on so called trigger selections that reduce the initial amount by a factor of 40000 to a manageable rate. Even at that point the high dimensionality and the large amount of statistics pose a big challenge to our data analysis methods. Machine learning has opened up new opportunities to address in particular the high dimensionality of the data which is often a limiting factor for the precision of traditional methods. Neural networks are being employed in many state-of-the-art analyses for particle identification, signal vs background classification and calibration. Recent studies have demonstrated their aptitude for optimized analyses from likelihood-free inference to optimal observables and the matrix element method. Finally neural networks are currently explored to improve the predictions from loop calculations via event generation to detector simulations with generative networks. While machine learning has demonstrated its excellent performance in many areas, one crucial aspect of network based predictions and analyses in high energy physics remains elusive: the treatment of ML associated uncertainties. Due to the high requirements in precision and quantitative uncertainty treatments it is crucial to establish high control for the validity of methods and quantitative uncertainty estimates. Depending on the physics question, this can amount to quantifying where a method is close to optimal, in which regions predictions are limited by statistics or the ability to identify anomalies in the data. For instance in the case of quark vs gluon classification it is crucial to know whether a prediction of 50% arises from a jet that has properties that can occur in both quark and gluon jets or a jet whose features are different from both. Uncertainties offer the chance to address these questions. The proposed project will explore how we can obtain reliable uncertainty estimations with ML methods in regions with limited statistics. More presisely, the goal of the thesis is to explore different methods to estimate uncertainties in machine learning and analyse their reliability, robustness and calibration in the context of unfolding and simulations.