Parton Fragmentation Functions Extracted with a Physics-Informed Neural Network

Resumen Técnico: Funciones de Fragmentación de Partones Extraídas con una Red Neuronal Informada por la Física

Planteamiento del Problema
Las predicciones fiables para los procesos de interacción fuerte de alta energía dependen críticamente de las Funciones de Fragmentación (FF, por sus siglas en inglés) de partones no perturbativas. Tradicionalmente, la extracción de las FFs a partir de datos experimentales requiere asumir formas funcionales parametrizadas específicas en una escala de entrada y, posteriormente, evolucionarlas utilizando las ecuaciones de evolución de Dokshitzer-Gribov-Lipatov-Altarelli-Parisi (DGLAP). Este enfoque convencional introduce un posible sesgo de parametrización y depende de formas funcionales rígidas que pueden no capturar plenamente la dinámica no perturbativa. Además, la evaluación numérica iterativa de la evolución DGLAP y las convoluciones de secciones transversas durante los ajustes globales es computacionalmente exigente, particularmente cuando se escanean grandes espacios de parámetros.

Metodología
Los autores proponen un enfoque novedoso que utiliza una Red Neuronal Informada por la Física (PINN, por sus siglas en inglés) para determinar las FFs de partones sin supuestos previos de formas parametrizadas. La metodología integra las ecuaciones de evolución DGLAP directamente en la arquitectura de la red neuronal.

• Arquitectura de la Red: El marco emplea un diseño en cascada con dos redes totalmente conectadas (NN1 y NN2). NN1 codifica la dependencia de $Q^2$ a través de la variable de evolución $\ln(Q^2)$, mientras que NN2 procesa la entrada combinada de la variable cinemática $z$ y las características latentes de NN1 para producir funciones auxiliares. Las FFs se construyen como $zD_i^{h\pm}(z, Q) = (1-z)^{\nu_i} \nu_i(z, Q)$ para imponer la condición de contorno $D(z=1)=0$ y asegurar la positividad.
• Restricciones de la Física: La red se entrena utilizando una función de pérdida compuesta que minimiza las desviaciones de los datos experimentales mientras penaliza simultáneamente las violaciones de las ecuaciones de evolución DGLAP. Para mejorar la eficiencia numérica, las restricciones de evolución se imponen en el espacio de Mellin, donde las integrales de convolución se reducen a productos algebraicos.
• Diferenciación: Se utiliza la diferenciación automática dentro del bucle de optimización para calcular las derivadas de escala requeridas para los residuales de DGLAP, asegurando la precisión analítica sin necesidad de diferenciación simbólica.
• Datos e Incertidumbre: La extracción utiliza datos de aniquilación electrón-positrón de inclusión simple (SIA) de las colaboraciones ALEPH, TASSO, TPC, OPAL, DELPHI y SLD. El conjunto de datos incluye mediciones de secciones transversas inclusivas, con marcado de sabor (uds, c, b) y longitudinales para restringir la fragmentación de quarks ligeros, pesados y gluones. Las incertidumbres experimentales se propagan mediante el método de réplicas de Monte Carlo, generando un conjunto de 100 conjuntos de pseudodatos.

Contribuciones Clave

1. Extracción No Paramétrica: El estudio demuestra un método para extraer FFs que no depende de formas funcionales predefinidas, reduciendo así el sesgo de parametrización y permitiendo que los datos dicten la forma funcional.
2. Evolución Integrada: Al incrustar las ecuaciones DGLAP directamente en la función de pérdida, las FFs extraídas satisfacen automáticamente las restricciones de evolución QCD en todo el dominio $(z, \mu)$, eliminando la necesidad de pasos de evolución separados durante el proceso de ajuste.
3. Implementación en el Espacio de Mellin: El trabajo implementa con éxito la transformada inversa de Mellin y la evolución DGLAP dentro del marco de la red neuronal, aprovechando la eficiencia de los momentos de Mellin para resolver las ecuaciones diferencial-integrales acopladas.

Resultados

• Verificación DGLAP: Las FFs extraídas fueron verificadas contra la evolución DGLAP numérica estándar. Los resultados de la PINN a escalas de 14 GeV y 1 TeV (esta última fuera del rango de los datos de entrenamiento) concordaron con la evolución numérica directa con una precisión del 5%, confirmando la capacidad de la red para satisfacer las ecuaciones de evolución.
• Comparación con Ajustes Existentes: Las FFs extraídas se compararon con las parametrizaciones AKK08 y KRE. Mientras que las FFs de quarks singletos mostraron concordancia en el rango $z \in [0.05, 0.8]$, se observaron discrepancias para las FFs de gluones y quarks pesados, particularmente a valores grandes de $z$. Los autores atribuyen la discrepancia del gluón al uso exclusivo de datos de SIA en este estudio, mientras que AKK08 y KRE incorporaron datos de colisiones protón-protón que proporcionan restricciones más fuertes sobre la fragmentación de gluones.
• Prueba de Cierre: Se realizó una prueba de cierre donde las FFFs extraídas se utilizaron para generar secciones transversas teóricas, las cuales se usaron posteriormente para reentrenar la red. Los resultados reentrenados se mantuvieron consistentes con la extracción original (dentro de una desviación del 20% en el rango $z \in [0.01, 0.8]$), demostrando la estabilidad y reproducibilidad del método.
• Aplicación Fenomenológica: Las FFs extraídas se aplicaron para calcular los espectros de hadrones cargados de inclusión simple en colisiones protón-(anti)protón a energías de RHIC y LHC ($\sqrt{s} = 130$ a $7000$ GeV). Los cálculos de pQCD de orden siguiente (NLO) utilizando las FFs extraídas por la PINN se alinearon bien con los datos experimentales en este amplio rango de energía, validando la universalidad de las funciones extraídas.

Significancia
El artículo sostiene que el método PINN representa un paso significativo hacia adelante en la extracción de cantidades no perturbativas. Al eliminar la necesidad de formas parametrizadas y desacoplar el proceso de ajuste de los pasos de evolución DGLAP independientes, el enfoque simplifica el procedimiento de extracción y mejora la aplicabilidad universal de las FFs a través de diferentes escalas de energía. Los autores postulan que este marco ofrece una estimación más robusta y sin sesgos de las FFs, permitiendo potencialmente descubrir características omitidas por los métodos paramétricos tradicionales, y sienta las bases para futuras aplicaciones que involucren ecuaciones de evolución modificadas en colisiones de iones pesados.