PDFxTMDLib: A High-Performance C++ Library for Collinear and Transverse Momentum Dependent Parton Distribution Functions

Este artículo presenta PDFxTMDLib, una moderna biblioteca en C++ de alto rendimiento diseñada para superar las limitaciones de las librerías actuales al ofrecer un marco flexible y robusto para funciones de distribución de partones colineales y dependientes del momento transversal, validado mediante su integración en PYTHIA y comparaciones con LHAPDF y TMDLib.

Lo esencial

Imagina que el universo de las partículas subatómicas es como una gigantesca cocina de alta cocina donde los científicos intentan predecir exactamente qué sucederá cuando chocan dos "chef" (los protones) a velocidades increíbles, como en el Gran Colisionador de Hadrones (LHC).

Para cocinar este "plato" (calcular la probabilidad de un choque), necesitan una receta muy específica. Esa receta son las Funciones de Distribución de Partones (PDFs). Básicamente, son mapas que dicen: "Dentro de este protón, hay una probabilidad de encontrar un quark o un gluón en tal lugar y con tal energía".

Hasta ahora, los científicos tenían dos libros de recetas separados y un poco anticuados:

1. LHAPDF: Un libro excelente para recetas "planas" (donde asumes que todo se mueve en línea recta).
2. TMDLib: Un libro para recetas "3D" (donde las partículas también se mueven de lado, un poco como si el chef estuviera bailando salsa mientras cocina).

El problema: Estos libros eran difíciles de usar, rígidos y no permitían a los cocineros (científicos) crear sus propias recetas o mezclar ingredientes nuevos fácilmente. Además, si querías calcular la incertidumbre (qué tan seguro estás de tu receta) en el libro 3D, tenías que salir de la cocina y usar herramientas externas.

La Solución: PDFxTMDLib

Los autores de este artículo (R. Kord Valeshabadi y S. Rezaie) han creado un nuevo super-libro de cocina llamado PDFxTMDLib.

Aquí te explico cómo funciona con algunas analogías sencillas:

1. El "Todo en Uno" Inteligente

Imagina que PDFxTMDLib es como un sistema de cocina modular de última generación. En lugar de tener dos armarios separados para recetas planas y recetas 3D, este sistema tiene un solo mostrador central.

• Puedes pedir una receta "plana" (colineal) y te la da.
• Puedes pedir una receta "3D" (con movimiento lateral) y te la da.
• Lo mejor es que el sistema está diseñado para que, mañana, si alguien inventa una receta "4D" (como si las partículas tuvieran memoria), el sistema pueda adaptarse sin tener que construir una nueva cocina.

2. La "Cocina Modular" (Arquitectura)

Piensa en la biblioteca como una cocina donde cada herramienta (lector de recetas, interpolador, extrapolador) es un electrodoméstico que puedes cambiar.

• Si quieres usar un método antiguo para leer la receta, conectas el electrodoméstico antiguo.
• Si quieres usar un método nuevo y más rápido, conectas el nuevo.
• Esto hace que la cocina sea muy rápida (como un robot de cocina de alta velocidad) pero también flexible para que los científicos puedan inventar sus propios métodos si lo necesitan.

3. El Nuevo Formato de Receta (lhagrid_tmd1)

Antes, cada libro de recetas 3D tenía su propio formato de papel y tinta, lo que hacía difícil mezclarlos. PDFxTMDLib ha creado un nuevo formato de papel estandarizado (llamado lhagrid_tmd1).

• Es como si todos los chefs del mundo acordaran usar el mismo tipo de cuaderno de notas. Ahora, cualquier receta nueva se puede escribir en ese cuaderno y cualquier sistema podrá leerla sin problemas.

4. ¿Funciona de verdad? (Validación)

Los autores no solo construyeron el sistema, sino que lo pusieron a prueba.

• La prueba del fuego: Usaron un simulador de choques llamado PYTHIA (como un videojuego de física muy realista) para simular 50 millones de colisiones de partículas.
• El resultado: PDFxTMDLib fue más rápido que el sistema antiguo (LHAPDF) y dio exactamente los mismos resultados. Es como si tuvieras un coche deportivo que llega al mismo destino que el coche familiar, pero en menos tiempo y con mejor manejo.
• También compararon sus recetas 3D con las del libro antiguo (TMDLib) y coincidieron perfectamente.

5. El "Asistente de Incertidumbre"

Una de las cosas más geniales que hace este nuevo sistema es que ahora puede calcular cuánto te puedes equivocar directamente en las recetas 3D. Antes, para las recetas 3D, tenías que salir de la cocina a buscar una calculadora externa para ver los márgenes de error. Ahora, el sistema te dice: "Esta receta tiene un 90% de probabilidad de ser correcta, y aquí está el margen de error".

En Resumen

PDFxTMDLib es una herramienta moderna, rápida y flexible que unifica la forma en que los físicos entienden cómo se mueven las partículas dentro de los protones.

• Antes: Tenías dos herramientas separadas, lentas y rígidas.
• Ahora: Tienes una herramienta única, rápida, que se adapta a lo que necesites y que te ayuda a ver no solo la receta, sino también qué tan segura es.

Es como pasar de tener un bloc de notas y una calculadora de bolsillo a tener una tablet inteligente de cocina que hace todo el trabajo pesado, te da recetas perfectas y te avisa si algo no cuadra, todo en un solo lugar.

Resumen técnico

Resumen Técnico: PDFxTMDLib

1. El Problema
En la física de altas energías, las Funciones de Distribución de Partones (PDFs) son fundamentales para calcular secciones eficaces en colisionadores como el LHC. Existen dos marcos teóricos principales: la factorización colineal (que utiliza cPDFs) y la factorización $k_t$ (que utiliza Distribuciones Dependientes del Momento Transverso, TMDs).

Actualmente, la comunidad depende de dos bibliotecas principales: LHAPDF (para cPDFs) y TMDLib (para TMDs). Sin embargo, estas herramientas presentan limitaciones críticas:

• Falta de extensibilidad y portabilidad: Su diseño basado en interpolación de dimensiones fijas dificulta la adaptación a distribuciones de orden superior (como DPDFs o DTMDs).
• Rigidez en la personalización: Los usuarios están limitados a los algoritmos de interpolación y extrapolación predefinidos, sin poder implementar fácilmente métodos personalizados.
• Falta de estandarización en TMDs: TMDLib carece de un estándar unificado para la estructura de archivos y cuadrículas (grids), lo que hace que añadir nuevos conjuntos de datos sea una tarea compleja y no trivial.
• Limitaciones en el análisis de incertidumbres: No existe un marco estándar en TMDLib para la evaluación de acoplamientos de QCD o para propagar incertidumbres a nivel de distribución (requiriendo herramientas externas como TMDplotter).

2. Metodología
Para abordar estas deficiencias, los autores desarrollaron PDFxTMDLib, una biblioteca moderna en C++ diseñada bajo principios de diseño de software avanzados:

• Arquitectura Modular: Se basa en la separación de preocupaciones mediante interfaces claramente definidas (IReader, IInterpolator, IExtrapolator).
• Polimorfismo en Tiempo de Compilación: Utiliza el patrón CRTP (Curiously Recurring Template Pattern) y la borrado de tipos (type erasure) para lograr alto rendimiento sin la sobrecarga del polimorfismo en tiempo de ejecución.
• Unificación de Interfaces: La clase principal PDFSet actúa como una interfaz unificada que soporta tanto cPDFs como TMDs mediante plantillas y etiquetas (CollinearPDFTag y TMDPDFTag).
• Nuevos Formatos de Archivo: Se introduce un nuevo formato de archivo llamado lhagrid_tmd1, una extensión del formato lhagrid1 de LHAPDF, diseñado para estandarizar la estructura de datos de TMDs (organizando datos en cuadrículas de $x$, $k_t^2$, $\mu^2$ y sabores).
• Integración con PYTHIA: El código se integró en el generador de eventos Monte Carlo PYTHIA8 para validar su funcionamiento en simulaciones reales.

3. Contribuciones Clave

• Marco Unificado: La primera biblioteca que maneja cPDFs y TMDs en un solo entorno coherente, permitiendo el cálculo de PDFs, acoplamientos de QCD ($\alpha_s$) y análisis de incertidumbres/correlaciones bajo la misma API.
• Extensibilidad Futura: La arquitectura está diseñada para escalar fácilmente a dimensiones superiores, preparando el terreno para funciones de distribución de doble partón (DPDFs) y otras distribuciones complejas.
• Personalización: Permite a los usuarios implementar sus propios lectores, interpoladores y extrapoladores sin modificar la estructura central de la biblioteca.
• Soporte de Incertidumbres en TMDs: Por primera vez, se introduce la cuantificación de incertidumbres y el cálculo de acoplamientos de QCD directamente a nivel de distribución para TMDs, siguiendo la convención de LHAPDF.
• Interfaz Python: Se proporciona un enlace (binding) en Python para facilitar el uso en análisis de datos y visualización.

4. Resultados
Los autores validaron la biblioteca mediante comparaciones numéricas y pruebas de rendimiento:

• Validación Numérica:
  • cPDFs: Los resultados de PDFxTMDLib coinciden perfectamente con LHAPDF para conjuntos como METAv10LHC, CT18LO y EPPS16nlo.
  • TMDs: Los resultados coinciden exactamente con TMDLib para la familia de conjuntos de "Parton Branching" (PB), como PB-LO-HERAI+II-2020-set1 y PB-NLO-HERAI+II-2023-set2.
• Simulación de Proceso Drell-Yan: Se simuló el proceso Drell-Yan ($pp \to Z \to \mu^+\mu^-$) a 13 TeV utilizando PYTHIA.
  • Precisión: Se obtuvo una sección eficaz total idéntica ($1.695 \times 10^{-6}$ mb) y distribuciones diferenciales (masa invariante, rapidez, momento transversal) consistentes entre ambas bibliotecas.
  • Rendimiento: PDFxTMDLib mostró una mejora de rendimiento del 5.6% en el tiempo de ejecución (162,263 s vs 171,935 s para 50 millones de eventos) en comparación con LHAPDF, demostrando que su arquitectura abstracta no sacrifica la velocidad.

5. Significado e Impacto
PDFxTMDLib representa un avance significativo en la infraestructura computacional para la física de partículas:

• Estandarización: Resuelve el problema de la falta de estandarización en los archivos de TMDs, facilitando la adición de nuevos conjuntos de datos en el futuro.
• Flexibilidad para la Investigación: Al permitir la personalización de componentes y soportar dimensiones superiores, prepara a la comunidad para los desafíos teóricos futuros (como las distribuciones de doble partón).
• Herramienta Diagnóstica: La capacidad de calcular incertidumbres y correlaciones directamente a nivel de distribución para TMDs permite análisis fenomenológicos más profundos y comparativos.
• Adopción: Al ofrecer interfaces tanto en C++ como en Python y mantener compatibilidad con el ecosistema existente (LHAPDF/TMDLib), se posiciona como una herramienta práctica y robusta para investigadores en física de altas energías.

En conclusión, PDFxTMDLib no solo supera las limitaciones técnicas de sus predecesoras, sino que establece un nuevo estándar de flexibilidad, rendimiento y unificación para el manejo de distribuciones de partones en la era de la física de precisión del LHC.