Global Analysis of Nuclear Parton Distribution Functions using Markov Chain Monte Carlo

في أعماق كل ذرة، لا تُعد البروتونات والنيوترونات كرات صلبة غير قابلة للانقسام، بل هي مدن صاخبة من الجسيمات الأصغر المسمى الكواركات والغلونات. هذه المكونات، التي تُعرف جماعيًا باسم "البارتونات"، تندفع بسرعة تقارب سرعة الضوء، ويجمعها بقوة نووية قوية. ولفهم كيفية سلوك المادة في أكثر البيئات تطرفًا، من قلب النجم إلى التصادمات داخل مصادم الهادرونات الكبير، يجب على الفيزيائيين رسم خريطة دقيقة لكيفية مشاركة هذه البارتونات لزخم جسيمها الأم. تُسمى هذه الخريطة "دالة توزيع البارتون". وعندما تُحبس البروتونات والنيوترونات معًا داخل نواة ذرية ثقيلة، تتغير القواعد؛ إذ تؤدي البيئة النووية المزدحمة إلى تشويه خرائط البارتونات، مما يخلق مشهدًا معقدًا ومعدلًا يسميه العلماء "دوال توزيع البارتون النووية". ويعد تحديد هذه الخرائط أمرًا بالغ الأهمية للتنبؤ بنتائج التجارب عالية الطاقة، لكنه أمر صعب للغاية لأن البيانات شحيحة والمشهد الرياضي المستخدم لإيجاد أفضل ملاءمة غالبًا ما يكون وعرًا ومليئًا بالوديان الخفية.

لعقود من الزمن، اعتمد الباحثون على اختصار رياضي قياسي للتنقل في هذا التضاريس. هذه الطريقة، المعروفة باسم "نهج هسيان" (Hessian approach)، تفترض أن المشهد حول الحل الأمثل هو وعاء متماثل وناعم، مثل قطع مكافئ مثالي. ومن خلال قياس شدة جوانب الوعاء، يمكن للعلماء تقدير مدى عدم اليقين في خريطتهم. ومع ذلك، فإن هذا الافتراض يعمل بشكل أفضل فقط عندما تكون البيانات وفيرة والعلاقات بين المتغيرات بسيطة. وفي حالة النوى الثقيلة، حيث تكون البيانات التجريبية محدودة والروابط بين أنواع الجسيمات المختلفة متشابكة، غالبًا ما ينهار افتراض الوعاء الناعم هذا. قد يكون المشهد الحقيقي متعرجًا، أو مائلًا، أو حتى يحتوي على وديان منفصلة متعددة حيث يمكن أن يختبئ الحل. وإذا افترض العلماء أن المشهد ناعم بينما هو في الواقع متعرج، فإن تقديراتهم لعدم اليقين قد تكون مضللة، مما قد يخفي التعقيد الحقيقي للنواة الذرية.

ولمعالجة ذلك، طور باحث بقيادة ناسيم دراخشانين طريقة جديدة لاستكشاف هذه الخرائط النووية باستخدام تقنية تسمى "سلسلة ماركوف مونت كارلو" (Markov Chain Monte Carlo). وبدلاً من افتراض أن المشهد عبارة عن وعاء ناعم، تعامل هذه الطريقة مع البحث كأنه رحلة مشي موجهة عبر منطقة شاسعة ومجهولة. قام الباحث ببناء برنامج حاسوبي يتخذ ملايين الخطوات العشوائية، ويتحقق باستمرار من مدى ملاءمة كل خطة للبيانات التجريبية المتاحة. ومع مرور الوقت، يتعلم البرنامج الشكل الحقيقي للمشهد، حيث يقضي وقتًا أطول في الوديان العميقة حيث تكون الحلول هي الأفضل، ووقتًا أقل في القمم العالية حيث لا تتناسب البيانات. وهذا يسم يسمح لهم بأخذ عينات من توزيع الاحتمالات بالكامل مباشرة، مما يلتقط التباينات والحلول المتعددة والارتباطات المعقدة التي قد تغفل عنها الطريقة القديمة.

طبق الباحث هذا النهج الجديد على نواة الرصاص، وهو أحد أثقل وأكثر الذرات تعقيدًا المستخدمة في التجارب. وقد أجرى نوعين متميزين من التحليل لاختبار قوة نتائجهم. أولاً، نظروا حصريًا في البيانات من نوى الرصاص، فأنشأوا خريطة "خاصة بالرصاص فقط" لرؤية البنية الجوهرية للملاءمة دون تأثير خارجي. كشف هذا التحليل عن بنية معقدة وغير بديهية للغاية؛ فقد كشف أخذ العينات الحاسوبي أن المعلمات التي تصف "كواركات التكافؤ" — وهي الجسيمات الأساسية التي تمنح البروتون هويته — لم تكن مستقرة في وادٍ واحد ناعم، بل احتوى المشهد على حدود دنيا محلية متعددة، أو وديان ثانوية، حيث يمكن أن تكون الملاءمة جيدة أيضًا. كان توزيع هذه الحلول منحرفًا وغير متماثل، مما يعني أن عدم اليقين لم يكن متساويًا في جميع الاتجاهات. لقد فشل نهج "هسيان" القياسي، الذي يفترض وجود وادٍ واحد متماثل، في التقاط هذا الواقع متعدد القمم، مما أدى فعليًا إلى تنعيم الهيكل المعقد وتقديم صورة غير كاملة لعدم اليقين.

ولرؤية كيف تغيرت هذه الصورة المعقدة عند إضافة المزيد من المعلومات، أجرى الباحث بعد ذلك تحليلًا ثانيًا يتضمن بيانات من مجموعة واسعة من النوى الأخف، وليس الرصاص فقط. ومن خلال ربط البيانات من الكتل الذرية المختلفة عبر علاقة رياضية قياسية، أدخلوا قيودًا جديدة تربط سلوك الرصاص بتلك الخاصة بالعناصر الأخف. هذا التحليل "متعدد النوى" غير المشهد بشكل كبير؛ إذ تم كبح الوديان الثانوية التي كانت بارزة في تحليل "الرصاص فقط"، وأصبح مجال المعلمات أكثر انتظامًا وأقرب إلى وادٍ واحد مهيمن. عمل إدراج النوى الأخف كمرساة قوية، مما أدى إلى تشديد القيود على توزيعات الكواركات وتقليل عدم اليقين في خريطة الرصاص. ومع ذلك، حتى مع هذه القيود الإضافية، وجد الباحث أن المشهد لم يكن متماثلًا تمامًا، حيث استمرت سمات غير غاوسية (non-Gaussian) دقيقة وذيول غير متماثلة، لا سيما في توزيعات كواركات التكافؤ، والتي كان نهج "هسيان" القياسي سيتجاهلها أيضًا.

أبرزت المقارنة المباشرة بين النهجين فرقًا حاسمًا في كيفية تعاملهما مع البيانات. في تحليل "الرصاص فقط"، أظهرت الطريقة الجديدة أن نطاقات عدم اليقين لتوزيعات الكواركات كانت أوسع بكثير وغير متماثلة أكثر مما اقترحته الطريقة القديمة. لقد قللت الطريقة القديمة، التي تعتمد على افتراض الوعاء الناعم، من تقدير النطاق الحقيقي للاحتمالات. وعند إضافة بيانات النوى المتعددة، تقلصت مستويات عدم اليقين، لكن الطريقة الجديدة لا تزال تكشف عن عدم يقين أكثر واقعية ومقيدًا يأخذ في الاعتبار التباينات المتبقية. ومن المثير للاهتمام أن توزيع الغلونات — وهي الجسيمات التي تحمل القوة القوية — ظل مستقرًا نسبيًا عبر كلا التحليلين؛ لأن توزيع الغلونات محكوم بالفعل ببيانات مباشرة من تصادمات الرصاص في مصادم الهادونات الكبير، لذا فإن إضافة بيانات من نوى أخف لم يغير الصورة بالنسبة للغلونات بشكل كبير، على عكس توزيعات الكواركات التي كانت أكثر حساسية للقيود الجديدة.

كما أظهرت الدراسة طريقة عملية لجعل هذه النتائج المعقدة قابلة للاستخدام من قبل علماء آخرين. تولد الطريقة الجديدة آلاف العينات الفردية لتمثيل توزيع الاحتمالات الكامل، وهو أمر يصعب مشاركته مباشرة. اختبر الباحث طرقًا مختلفة لضغط هذه المجموعة الضخمة من البيانات في مجموعة أصغر وأكثر قابلية للإدارة من "النسخ المتكررة" (replicas) دون فقدان المعلومات الإحصائية الأساسية. ووجدوا أنه بينما نجحت عملية اختيار عدد أقل من العينات على فترات منتظمة في ضبط القيم المركزية، إلا أنها قد تشوه نطاقات عدم اليقين إذا أصبح حجم العينة صغيرًا جدًا. أما خوارزمية الضغط الأكثر تطورًا، والتي تختار العينات بعناية للحفاظ على شكل البيانات الكاملة وارتباطاتها، فقد حققت أداءً أفضل في الاحتفاظ بالميزات المعقدة للتوزيع، بشرًا ما لم يتم تقليص المجموعة النهائية بشكل مفرط.

في نهاية المطاف، يثبت هذا العمل أن المشهد الإحصائي لدوال توزيع البارتون النووية أكثر تعقيدًا مما كان يُعتقد سابقًا. إن الطريقة القياسية لتقريب مساحة الحل باعتبارها وعاءً ناعمًا ومتماثلًا غير كافية لالتقاط كامل تعقيد البيانات النووية، خاصة عند التعامل مع نوى ثقيلة مثل الرصاص. ومن خلال استخدام طريقة تأخذ عينات من المشهد بأكمله مباشرة، كشف الباحث عن هياكل خفية، مثل الحلول المتنافسة المتعددة وعدم اليقين غير المتماثل، التي كانت غير مرئية سابقًا. يقدم هذا النهج طريقة أكثر موثوقية وشفافية لقياس المجاهيل في فهمنا للنواة الذرية، مما يضمن أن التنبؤات المستقبلية لتجارب الفيزياء عالية الطاقة مبنية على أساس يعكس حقًا تعقيد البيانات.