Bayesian analysis of (3+1)D relativistic nuclear dynamics with the RHIC beam energy scan data

Resumen Técnico: Análisis Bayesiano de la Dinámica Nuclear Relativista (3+1)D con Datos de RHIC BES

Planteamiento del Problema
Los experimentos de colisiones de iones pesados relativistas en el Colisionador de Iones Pesados Relativistas (RHIC), específicamente el programa de Escaneo de Energía del Haz (BES), generan datos extensos para sondear el Plasma de Quarks y Gluones (QGP) y el diagrama de fases de la QCD a través de un amplio rango de temperaturas y densidades bariónicas. Sin embargo, extraer restricciones cuantitativas sobre las propiedades de transporte del QGP (como las viscosidades de cizalla y de volumen) y la dinámica del estado inicial es un desafío. El modelado teórico requiere simulaciones complejas, evento por evento, en (3+1)D que acoplan la hidrodinámica con el transporte hadrónico. Estas simulaciones son computacionalmente costosas, lo que hace que la inferencia bayesiana directa sobre un espacio de parámetros de alta dimensión (20 parámetros en este estudio) sea inviable sin modelos sustitutos (emuladores) eficientes. Además, estudios previos a menudo dependieron de aproximaciones de menor dimensión o emuladores menos precisos, lo que podría limitar la precisión de los parámetros físicos extraídos.

Metodología
Los autores emplean un marco de inferencia bayesiana para analizar los datos de colisiones Au+Au a $\sqrt{s_{NN}} = 7.7, 19.6,$ y $200$ GeV. El modelo teórico utiliza el marco iEBE-MUSIC, el cual integra:

1. Estado Inicial: Un modelo de Glauber 3D que incorpora espesor nuclear finito, formación de cuerdas y fluctuaciones de pérdida de rapidez.
2. Pre-equilibrio: Un perfil de flujo transversal tipo onda de choque (blast-wave) para las cuerdas individuales.
3. Hidrodinámica: Hidrodinámica viscosa relativista (MUSIC) utilizando una ecuación de estado basada en QCD en la red (NEOS-BQS) y la teoría DNMR para los tensores de esfuerzo viscoso.
4. Afterburner Hadrónico: UrQMD para la redispersión y desintegraciones.

El estudio involucra 20 parámetros del modelo que cubren la geometría del estado inicial, la pérdida de rapidez, el flujo de pre-equilibrio y los coeficientes de transporte del QGP (viscosidad de cizalla y de volumen como funciones de la densidad química bariónica $\mu_B$ y la temperatura $T$).

Para superar los costos computacionales, los autores utilizan emuladores de Procesos Gaussianos (GP) para aproximar la salida completa del modelo. Comparan tres configuraciones de emuladores:

• PCSK (implementado en surmise) entrenado con 1,000 puntos de Diseño de Hipercubo Latino (LHD) más 95 puntos de Alta Probabilidad Posterior (HPP).
• GP de Scikit-learn entrenado con el mismo conjunto de datos LHD + HPP.
• PCSK entrenado únicamente con los 1,000 puntos LHD.

La inferencia bayesiana se realiza utilizando el paquete pocoMC, que implementa el Método de Monte Carlo Precondicionado (PMC) y el Método de Monte Carlo Secuencial (SMC) adaptativo para muestrear la distribución posterior. La función de verosimilitud incorpora datos experimentales de STAR y PHOBOS, incluyendo rendimientos de partículas ($dN/dy$), momento transversal promedio ($\langle p_T \rangle$) y coeficientes de flujo ($v_n\{2\}$).

Contribuciones Clave y Resultados

1. Precisión del Emulador y Selección del Modelo:
   El estudio demuestra que la precisión del emulador del modelo es crítica. El emulador PCSK entrenado con LHD + HPP proporciona las restricciones más fuertes (mayor divergencia de Kullback-Leibler de la distribución previa) y es favorecido por el factor de Bayes sobre el GP de Scikit-learn y el PCSK entrenado solo con LHD. Esto resalta la necesidad de entrenar emuladores con datos de alta fidelidad en regiones de alta probabilidad posterior.

2. Restricciones sobre los Parámetros del Modelo:
   El análisis bayesiano proporciona restricciones robustas sobre el espacio de parámetros de 20 dimensiones:

   • Estado Inicial: El ancho del punto caliente de nucleones ($B_G$) está restringido a $15.99^{+7.14}_{-9.66}$ GeV$^{-2}$. El parámetro de sombreado ($\alpha_{shadowing}$) se restringe a $\sim 0.15$, indicando que solo $\sim 15\%$ de las colisiones binarias están sombreadas. El parámetro de fluctuación de pérdida de rapidez ($\sigma_{yloss}$) se encuentra en $\sim 0.3$, un valor menor que los calibrados en $p+p$.
   • Viscosidades: La viscosidad de cizalla específica ($\tilde{\eta}$) muestra un aumento significativo con $\mu_B$ en el rango $[0, 0.2]$ GeV, restringida principalmente por la dependencia de la rapidez del flujo elíptico. La viscosidad de volumen específica ($\tilde{\zeta}$) alcanza su máximo alrededor de $T \approx 200$ MeV con un valor máximo de $\sim 0.12$.
   • Pre-equilibrio: El análisis prefiere un flujo de pre-equilibrio pequeño ($\alpha_{preFlow} \sim 0$).

3. Predicciones del Modelo y Cuantificación de la Incertidumbre:
   Utilizando 100 conjuntos de parámetros muestreados de la distribución posterior, los autores realizan simulaciones completas evento por evento para predecir observables diferenciales de $p_T$ (espectros y flujo) que no se utilizaron explícitamente en la calibración. El modelo reproduce bien los datos experimentales para los espectros de partículas identificadas a 200 y 19.6 GeV, aunque subestima ligeramente el $\langle p_T \rangle$ a 7.7 GeV. La dispersión entre los 100 conjuntos de parámetros proporciona una estimación de la incertidumbre teórica sistemática.

4. Análisis de Sensibilidad:

   • Sensibilidad Global (Índices de Sobol'): Los rendimientos de partículas son altamente sensibles a los parámetros de pérdida de rapidez del estado inicial. El $\langle p_T \rangle$ es sensible al tamaño del punto caliente inicial y al flujo de pre-equilibrio. Los coeficientes de flujo son principalmente sensibles a la geometría inicial y al flujo de pre-equilibrio, con una sensibilidad débil a la viscosidad de cizalla en el espacio de la distribución previa global.
   • Respuesta Local (Correlaciones Posteriores): Dentro de la distribución posterior, la respuesta de los observables a los parámetros difiere de los promedios globales. Por ejemplo, los rendimientos en la rapidez intermedia muestran correlaciones positivas con la pérdida de rapidez, mientras que los rendimientos hacia adelante muestran correlaciones negativas debido a la conservación de energía-momento. El $\langle p_T \rangle$ muestra correlaciones negativas con la viscosidad de volumen, lo cual es consistente con la intuición física de que la viscosidad de volumen resiste la expansión del flujo radial.

Significancia y Reivindicaciones
El artículo afirma proporcionar un análisis bayesiano sistemático y robusto de los datos de RHIC BES utilizando un modelo híbrido (3+1)D completo. Su principal significancia radica en:

• Validar el papel de la precisión del emulador: Demostrar que los emuladores precisos (PCSK con entrenamiento HPP) son esenciales para obtener distribuciones posteriores fiables y que emuladores menos precisos pueden conducir a restricciones más débiles.
• Cuantificar las propiedades del QGP: Proporcionar restricciones estadísticamente rigurosas sobre la dependencia de la densidad bariónica de las viscosidades de cizalla y de volumen del QGP, las cuales son difíciles de calcular desde los primeros principios.
• Reproducibilidad y Utilidad: Los autores ponen a disposición de la comunidad sus conjuntos de entrenamiento, emuladores entrenados, muestras de la posterior y paquetes de análisis actualizados. También proporcionan un conjunto de parámetros específico de "máxima verosimilitud" (con restricciones monotónicas de pérdida de rapidez) para usuarios que carecen de recursos para ejecutar simulaciones de ensamble completas.
• Percepciones Físicas: El análisis de sensibilidad elucida cómo los observables experimentales específicos restringen diferentes aspectos del modelo fenomenológico, distinguiendo entre la importancia global de los parámetros y las correlaciones locales dentro de la región físicamente permitida.

Los autores mantienen la modestia respecto a sus afirmaciones, señalando que, si bien el modelo describe bien los datos, persisten discrepancias (por ejemplo, en el $\langle p_T \rangle$ a 7.7 GeV y el flujo hacia adelante), lo que sugiere áreas para mejoras futuras, tales como una dependencia explícita de $\mu_B$ en la viscosidad de volumen o densidades de energía de cambio dependientes de la centralidad.