Diffusion-model approach to flavor models: A case study for $S_4^\prime$ modular flavor model

Resumen Técnico: Enfoque de modelos de difusión para modelos de sabor: Un estudio de caso para el modelo de sabor modular S′4

Planteamiento del Problema
Los modelos de sabor, que buscan explicar los patrones de masas y mezclas de fermiones, a menudo dependen de simetrías de sabor (como simetrías modulares) que son rotas por el valor esperado en el vacío (VEV) de un campo escalar (flavón). Aunque las simetrías restringen la estructura, la realización cuantitativa de estructuras de sabor realistas depende de parámetros libres dentro del modelo, incluido el campo módulo $\tau$. Los métodos numéricos tradicionales, como las simulaciones de Monte Carlo, enfrentan desafíos significativos en este contexto. Los resultados de estas optimizaciones son altamente sensibles a los valores iniciales de los parámetros, lo que dificulta explorar eficientemente el amplio paisaje teórico e identificar patrones de sabor realistas, particularmente en regiones donde la evaluación analítica es difícil (por ejemplo, valores pequeños de $\text{Im}[\tau]$).

Metodología
Los autores proponen un marco numérico que utiliza modelos de difusión condicionales, una clase de inteligencia artificial generativa, para resolver el problema inverso en física de sabores: generar parámetros del modelo ($G$) que reproduzcan observables experimentales específicos ($L$).

1. Arquitectura del Modelo: El estudio emplea Modelos Probabilísticos de Difusión con Eliminación de Ruido (DDPMs) con Guía Libre de Clasificador (CFG).

   • Proceso Forward: Se añade ruido progresivamente a un conjunto de parámetros iniciales del modelo $G$ (parámetros libres como acoplamientos de Yukawa y el módulo $\tau$) para crear una serie de puntos de datos ruidosos $x_t$.
   • Proceso Inverso: Una red neuronal se entrena para predecir el ruido añadido en cada paso, condicionada a una etiqueta $L$ que representa observables físicos (masas de quarks, elementos de la matriz CKM y el invariante de Jarlskog). Al comenzar desde ruido puro y eliminarlo iterativamente basándose en la predicción de ruido aprendida y la condición $L$, el modelo genera nuevos conjuntos de parámetros $G$.
   • Diseño de la Red: Se utiliza una red neuronal totalmente conectada con funciones de activación SELU. La entrada consiste en los datos ruidosos $x_t$, el paso de tiempo $t$ y la etiqueta condicional $L$. La salida es el ruido predicho. La red se entrena para minimizar el Error Cuadrático Medio (MSE) entre el ruido real y el predicho.
   • Aprendizaje por Transferencia: Para mejorar la precisión, se implementa un proceso de entrenamiento en dos etapas. Primero, una "red pre" se entrena con datos generados aleatoriamente. Segundo, la red se "afina" utilizando el subconjunto de datos generados por la red pre que satisfizo un umbral preliminar de $\chi^2$.

2. Estudio de Caso: El método se aplica al modelo de sabor modular $S'_4$ centrándose en el sector de los quarks.

   • Entrada ($G$): 10 parámetros, incluyendo relaciones de coeficientes de acoplamiento de Yukawa ($\alpha, \beta$) y las partes real e imaginaria del módulo $\tau$.
   • Salida/Etiqueta ($L$): 16 componentes que representan relaciones logarítmicas de masas ($m_u/m_t, m_c/m_t$, etc.), los valores absolutos de los elementos de la matriz CKM y el signo/logaritmo del invariante de Jarlskog.
   • Restricciones: El modelo asume coeficientes reales para los acoplamientos de Yukawa para probar la violación de CP espontánea que surge únicamente del módulo $\tau$.

Resultados Clave
El estudio demostró exitosamente la eficacia del modelo de difusión para encontrar regiones de parámetros fenomenológicamente viables para el modelo $S'_4$:

• Eficiencia y Precisión: El modelo de difusión, especialmente después del ajuste fino, mejoró significativamente la tasa de éxito de generar parámetros que coinciden con los datos experimentales. Mientras que la red pre obtuvo una tasa de éxito de ~2.59% para $\chi^2 < 8.0 \times 10^4$, la red ajustada fino aumentó esto a ~5.95% y produjo 17 soluciones con $\chi^2 < 200$ de un total de $9 \times 10^6$ muestras generadas.
• Descubrimiento de Nuevas Regiones de Parámetros: El modelo identificó soluciones viables donde la parte imaginaria del módulo, $\text{Im}[\tau]$, se concentra alrededor de 2.2. Esta región es menor que los valores óptimos ($\text{Im}[\tau] \sim 2.8$) encontrados en literatura previa, demostrando la capacidad del modelo para explorar espacios de parámetros difíciles de acceder mediante optimización tradicional debido a la sensibilidad a las condiciones iniciales.
• Violación de CP Espontánea: Un hallazgo crítico es la confirmación de violación de CP espontánea dentro del modelo $S'_4$. Al tratar todos los coeficientes de acoplamiento de Yukawa como números reales, el modelo reprodujo exitosamente el invariante de Jarlskog observado ($J \approx 2.87 \times 10^{-5}$) únicamente a través de la fase compleja del módulo $\tau$ (específicamente su parte real, $\text{Re}[\tau]$). El valor mediano del invariante de Jarlskog generado fue $2.49 \times 10^{-5}$, comparable al valor experimental.
• Soluciones Específicas: La mejor solución encontrada (menor $\chi^2 = 74.4$) proporcionó valores específicos para las relaciones de acoplamiento y $\tau$ ($\text{Re}[\tau] = 0.2825, \text{Im}[\tau] = 2.2400$) que reprodujeron las masas de los quarks y los ángulos de mezcla dentro de los rangos experimentales de $1\sigma$.

Significado y Afirmaciones
El artículo afirma que el enfoque de modelos de difusión ofrece una alternativa versátil y eficiente a los métodos de optimización tradicionales para analizar modelos de sabor. Su significado principal radica en:

1. Capacidad para el Problema Inverso: Permite un mapeo directo desde datos experimentales hacia parámetros de modelo plausibles, evitando la necesidad de ajuste manual de valores iniciales.
2. Independencia del Modelo: El marco no está atado a los detalles específicos de un modelo de sabor, lo que sugiere que puede aplicarse a otros modelos de sabor modulares o extenderse al sector leptónico con cambios arquitectónicos mínimos (principalmente escalando las dimensiones de entrada/salida).
3. Exploración de Regiones Desafiadoras: El método puede descubrir regiones de parámetros "semi-realistas" que son difíciles de capturar analíticamente o mediante búsquedas numéricas estándar, como los valores específicos de $\text{Im}[\tau]$ identificados en este estudio.
4. Perspectiva Física: La capacidad de generar soluciones con coeficientes reales que aún producen violación de CP destaca la utilidad del modelo para probar suposiciones fundamentales sobre el origen de la violación de CP en la física de sabores.

Los autores concluyen que, aunque el estudio actual se centró en el sector de los quarks con un conjunto fijo de representaciones y pesos, el modelo de difusión sirve como una poderosa herramienta analítica para extraer nuevas predicciones físicas y podría combinarse con otras técnicas de aprendizaje automático (como el aprendizaje por refuerzo) para automatizar la selección de estructuras de modelos en investigaciones futuras.