Optimizing Yukawa couplings to suppress Dimension-five Proton Decay in $SU(5)$ GUT

Technische Zusammenfassung: Optimierung der Yukawa-Kopplungen zur Unterdrückung des Protonenzerfalls der Dimension fünf in der SU(5)-GUT

Problemstellung
Die minimale supersymmetrische (SUSY) $SU(5)$-Große Vereinheitlichte Theorie (GUT) steht vor einem kritischen phänomenologischen Hindernis: einem schnellen Protonenzerfall, der durch Operatoren der Dimension fünf vermittelt wird, die aus dem Austausch von farbigen Higgsinos resultieren. Experimentelle Grenzen, insbesondere die Super-Kamiokande-Grenze von $\tau(p \to K^+ \bar{\nu}) > 5.9 \times 10^{33}$ Jahren, schränken die Lebensfähigkeit des Modells erheblich ein. Obwohl die Erweiterung des Higgs-Sektors durch höherdimensionale Darstellungen (speziell 45 und $\overline{45}$) und die Einbeziehung nicht-renormierbarer Wechselwirkungen dieses Problem theoretisch lösen können, führen diese Erweiterungen zu einem riesigen, hochdimensionalen Parameterraum. Dieser Raum, aufgespannt durch zahlreiche Mischwinkel, CP-Phasen und Massenskalen, macht traditionelle brute-force-numerische Scans aufgrund des „Fluchs der Dimensionalität" rechnerisch unlösbar.

Methodik
Um diese rechnerische Herausforderung zu bewältigen, wenden die Autoren Optimierungstechniken des maschinellen Lernens, speziell den Adam-Optimierer, an, um den Parameterraum eines modifizierten SUSY-$SU(5)$-Modells zu navigieren. Die Studie konzentriert sich auf ein Modell, das drei Generationen von Materiefeldern ($5 + 10$), elektroschwache Brechungsfelder ($5 + \overline{5} + 45 + \overline{45}$) und ein GUT-Brechungsfeld ($24$) enthält.

Die Methodik umfasst folgende Schritte:

1. Modellformulierung: Die Autoren leiten die Yukawa-Kopplungsmatrizen auf der GUT-Skala ($Y_5, Y_{\overline{5}}, Y_{45}, Y_{\overline{45}}$) her, indem sie diese mit den beobachteten MSSM-Fermionmassen und Mischwinkeln (CKM-Matrix) auf der GUT-Skala ($\sim 2 \times 10^{16}$ GeV) abgleichen. Dies beinhaltet das Feinabstimmen der Massematrizen der Higgs-Dubletts und -Triplets, um einen leichten $\mu$-Term zu gewährleisten, während gleichzeitig schwere farbige Higgs-Triplets erhalten bleiben.
2. Berechnung der Zerfallsrate: Die partielle Zerfallsbreite für $p \to K^+ \bar{\nu}$ wird berechnet, indem die farbigen Higgs-Felder herausintegriert werden, um Operatoren der Dimension fünf zu erhalten. Diese Operatoren werden dann über Renormierungsgruppen-Gleichungen (RG) von der GUT-Skala bis zur hadronischen Skala entwickelt, unter Einbeziehung der SUSY-Teilchenmassen (für das Benchmark-Spektrum auf 3 TeV festgelegt) und hadronischer Matrixelemente.
3. Optimierungssetup: Die Suche nach lebensfähigen Parametern wird als Optimierungsproblem formuliert. Eine Verlustfunktion wird als mittlere logarithmisch skalierte partielle Breite des Zerfalls $p \to K^+ \bar{\nu}$ definiert.
4. Parameterraum: Die Optimierung variiert 33 Parameter:
   • 27 Winkel und Phasen, die drei unbestimmte unitäre Matrizen ($U_u, U_e, V_e$) parametrisieren, welche die Flavor-Basis rotieren.
   • 6 Potentialsektor-Parameter ($M, \lambda, \kappa, \kappa', \lambda_a, \lambda_b$), die die Higgs-Massenterme und Kopplungen steuern.
   • Der Parameter $m$ ist durch die Bedingung $\det(M_{\text{doublet}}) = 0$ eingeschränkt.
5. Ausführung: Unter Verwendung von TensorFlow initialisieren die Autoren $N=4096$ zufällige Parameterkonfigurationen und aktualisieren sie iterativ über 100.000 Epochen, um die Verlustfunktion zu minimieren. Dieser Prozess wird für vier verschiedene Werte von $\tan \beta$ (3, 10, 30 und 50) wiederholt.

Hauptergebnisse

• Optimierungswirksamkeit: Der Adam-Optimierer navigierte erfolgreich durch den 33-dimensionalen Raum und reduzierte die Verlustfunktion rasch. Die optimierten Parametersätze verschoben die Verteilung der Protonenlebensdauer konsistent zu längeren Werten im Vergleich zu den anfänglichen zufälligen Konfigurationen.
• Parameterlokalisierung: Die Analyse ergab, dass die optimierten Parameter nicht gleichmäßig verteilt sind. Stattdessen zeigen spezifische Mischwinkel (insbesondere jene in den unitären Matrizen $U_u$ und $U_e$) und Potentialkopplungen (wie $M$ und $\kappa$) lokalisierte Verteilungen. Dies deutet darauf hin, dass die Unterdrückung des Protonenzerfalls eine hochspezifische, nicht-triviale Ausrichtung zwischen den Yukawa-Matrizen und dem GUT-Skalen-Potentialsektor erfordert.
• Abhängigkeit von $\tan \beta$: Ein entscheidendes Ergebnis ist die starke Sensitivität der erreichbaren Protonenlebensdauer gegenüber $\tan \beta$.
  • Für niedrigere Werte ($\tan \beta = 3, 10$) identifizierte der Optimierer erfolgreich Regionen, in denen die Protonenlebensdauer die Super-Kamiokande-Grenze überschreitet.
  • Mit steigendem $\tan \beta$ (30 und 50) verstärkt die Verstärkung der Beiträge aus dem Sektor der down-Typ-Quarks und Leptonen die Zerfallsoperatoren der Dimension fünf erheblich. Folglich nimmt die optimierte Protonenlebensdauer ab, was es zunehmend schwieriger macht, die experimentelle Untergrenze zu erfüllen. Im Regime hoher $\tan \beta$ werden die erforderlichen Auslöschungen innerhalb des Parameterraums strenger und weniger wahrscheinlich zu erreichen.

Bedeutung und Behauptungen
Die Arbeit behauptet zu demonstrieren, dass die Optimierung durch maschinelles Lernen ein wirksames Werkzeug zur Bewältigung phänomenologischer Probleme in der Physik jenseits des Standardmodells (BSM) ist, die unter dem Fluch der Dimensionalität leiden. Durch die systematische Erforschung des Parameterraums eines erweiterten SUSY-$SU(5)$-Modells zeigen die Autoren, dass lebensfähige Regionen existieren, in denen der Protonenzerfall der Dimension fünf auf akzeptable Niveaus unterdrückt wird.

Allerdings bleiben die Autoren hinsichtlich der Universalität dieser Lösungen bescheiden. Sie betonen, dass die Algorithmus zwar spezifische, nicht-triviale Ausrichtungen identifizieren kann, die den Zerfall unterdrücken, die Lebensfähigkeit des Modells jedoch stark vom Wert von $\tan \beta$ abhängt. Die Studie kommt zu dem Schluss, dass das Framework zwar flexibel und leistungsfähig ist, die Unterdrückung des durch Triplett-Higgsinos vermittelten Zerfalls in Regimen mit hohem $\tan \beta$ jedoch starke Einschränkungen für die Fähigkeit des Modells auferlegt, experimentelle Grenzen zu erfüllen. Die Arbeit dient als Proof-of-Concept für die Anwendung von Optimierungsalgorithmen auf komplexe GUT-Parameträume mit potenzieller Anwendbarkeit auf andere GUT-Gruppen wie $SO(10)$.