Extraction of the color dipole amplitude with physics-informed neural networks

Resumen Técnico: Extracción de la Amplitud de Dipolo de Color con Redes Neuronales Informadas por Física

Planteamiento del Problema
La extracción de la amplitud de dispersión universal del dipolo de color, un pilar fundamental de la Cromodinámica Cuántica (QCD) de altas energías y del marco del Condensado de Vidrio de Color (CGC), presenta un problema inverso significativo. Si bien la ecuación de Balitsky-Kovchegov (BK) describe rigurosamente la evolución no lineal en rapidez de esta amplitud, los enfoques fenomenológicos estándar tienen dificultades para conciliar los datos de Dispersión Inelástica Profunda (DIS) inclusiva con las mediciones exclusivas (difractivas). Los métodos tradicionales suelen depender de ansatzes paramétricos rígidos y a menudo requieren ajustes geométricos ad-hoc para ajustar conjuntos de datos diversos. Además, extraer la amplitud directamente de los datos sin asumir estados iniciales específicos sigue siendo un desafío, particularmente para probar la robustez de la imagen de saturación y la independencia del proceso de la escala de saturación de gluones.

Metodología
Los autores introducen un marco de Red Neuronal Informada por Física (PINN) para resolver estas tensiones mediante la incorporación directa de la dinámica de evolución BK en el espacio de momentos dentro del proceso de aprendizaje. La metodología emplea una estrategia de entrenamiento "Maestro-Alumno":

1. Restricción Física (Maestro): La red se restringe inicialmente mediante la ecuación BK en la aproximación de difusión. La ecuación diferencial parcial (EDP) que gobierna la evolución de la amplitud del dipolo $N(k, Y)$ en el espacio de momentos actúa como un "maestro", definiendo la variedad de soluciones físicas antes de que la red encuentre datos experimentales. La restricción EDP se formula como:
   $$\frac{\partial N}{\partial Y} = \bar{\alpha}_s \left( A_0 N - A_1 \frac{\partial N}{\partial L} + A_2 \frac{\partial^2 N}{\partial L^2} - N^2 \right)$$
   donde $L = \ln(k^2/\Lambda_{QCD}^2)$ y $Y = \ln(1/x)$.

2. Refinamiento de Datos (Alumno): Una red neuronal totalmente conectada (FCNN) con cuatro capas ocultas (64 neuronas cada una) y una activación de salida Sigmoid (para imponer el límite de unitariedad $0 \le N \le 1$) actúa como el "alumno". Se refina contra los datos inclusivos de $F_2$ de HERA. La función de pérdida total combina el residuo de la EDP ($L_{PDE}$), la discrepancia de datos ($L_{Data}$) y las condiciones de frontera ($L_{Bound}$).

3. Cálculo Directo en el Espacio de Momentos: Para evitar inestabilidades numéricas asociadas con las transformadas de Fourier-Bessel durante el entrenamiento, la función de estructura inclusiva $F_2(x, Q^2)$ se calcula mediante la convolución directa de las funciones de onda del fotón en el espacio de momentos y la amplitud del dipolo $N(k, Y)$.

4. Cuantificación de Incertidumbre: Los autores utilizan Agregación Bootstrap (Bagging) con un conjunto de 20 PINNs independientes entrenados sobre conjuntos de datos remuestreados para cuantificar la incertidumbre epistémica, reportando los resultados como media $\pm 2\sigma$.

Contribuciones y Resultados Clave

• Extracción Independiente del Modelo: El marco extrae con éxito una amplitud de dipolo independiente del modelo sin asumir estados iniciales específicos ni formas paramétricas rígidas. La red aprende los coeficientes efectivos de la aproximación de difusión ($A_0, A_1, A_2$) directamente de los datos, produciendo una tasa de crecimiento $A_0 \approx 0.661$ y un exponente de saturación efectivo $\lambda_s \approx 0.239$, consistente con extracciones fenomenológicas.
• Ajuste Inclusivo de Alta Fidelidad: La PINN logra un ajuste global a los datos de $F_2$ de HERA con un $\chi^2/\text{dof} \approx 0.972$. El modelo captura con precisión la dependencia cinemática en todo el plano $(x, Q^2)$, con bandas de incertidumbre que se estrechan en el régimen de alto $k$ (perturbativo) debido al efecto de regularización de la pérdida de la EDP.
• Predicción sin Parámetros de Procesos Exclusivos: Un resultado crítico es la predicción de las secciones eficaces de fotoproducción exclusiva de $J/\psi$. Utilizando la amplitud del dipolo y los parámetros geométricos (radio del protón $R_p \approx 5.46 \text{ GeV}^{-1}$) derivados únicamente del ajuste inclusivo de $F_2$, el modelo predice la normalización absoluta y la dependencia cinemática de la producción exclusiva de $J/\psi$ sin ningún reajuste posterior ni reescalado geométrico.
• Dinámica Emergente: La solución entrenada exhibe espontáneamente el escalado geométrico y la propagación de un frente de onda de saturación en el espacio de momentos, emergiendo naturalmente de la interacción entre los términos de crecimiento lineal y amortiguamiento no lineal aprendidos por la red.

Significado y Afirmaciones
El artículo afirma que este trabajo establece un paradigma transformador para descubrir estructuras no perturbativas de la QCD. Al demostrar que una amplitud de dipolo restringida por la dinámica BK y ajustada solo a datos inclusivos puede describir con éxito observables exclusivos sin ajustes adicionales, los autores proporcionan evidencia convincente de la independencia del proceso de la escala de saturación de gluones.

Los autores posicionan a las PINNs no meramente como herramientas de ajuste, sino como un método riguroso para resolver problemas inversos mal planteados en la termodinámica y la espectroscopía de la QCD. Señalan que, aunque los resultados actuales están limitados por la aproximación de difusión con acoplamiento fijo (válida principalmente para $x$ pequeño y $Q^2$ moderado), el marco conecta con éxito la evolución perturbativa con la estructura hadrónica no perturbativa, resolviendo la tensión de larga data entre las mediciones inclusivas y difractivas sin ajustes ad-hoc. El trabajo sugiere que iteraciones futuras que incorporen acoplamiento en evolución y correcciones de siguiente orden leading (NLO) podrían extender esta precisión a ventanas cinemáticas más amplias, particularmente para los datos futuros del Colisionador Electrón-ión (EIC).