Neural S-matrix bootstrap II: solvable 4d amplitudes with particle production

Resumen Técnico: Bootstrap de la matriz S neuronal II: amplitudes 4d resolubles con producción de partículas

Planteamiento del problema
Este trabajo aborda la construcción no perturbativa de amplitudes de dispersión $2 \to 2$ en teoría de campos cuánticos de cuatro dimensiones que incluyen la producción de partículas. Los autores se centran en una clase específica de amplitudes definidas por gráficos "dos-partícula-recursivamente-reducibles" (2PRR). Estos son diagramas que pueden reducirse a un único vértice mediante el corte repetido de dos líneas internas. Mientras que la teoría de perturbaciones los define vía diagramas de Feynman, los autores buscan una solución no perturbativa que satisfaga la unitariedad y la simetría de cruce sin sumar explícitamente los diagramas.

El desafío central es resolver las ecuaciones integrales acopladas no lineales (el bootstrap de Atkinson–Mandelstam) que relacionan las densidades espectrales simple y doble de la amplitud. Los enfoques previos, como los métodos iterativos de punto fijo, a menudo fallan en la convergencia en acoplamientos fuertes o no logran capturar el comportamiento correcto de alta energía (Regge). Además, existe una tensión en la literatura del bootstrap de la matriz S entre las soluciones extremales (que tienden a ser elásticas) y el teorema de Aks, que establece que la dispersión no trivial en $d > 2$ requiere la producción de partículas.

Metodología
Los autores reformulan el problema del bootstrap como una tarea de optimización informada por la física utilizando redes neuronales (PINNs).

1. Formalismo: La amplitud $T(s,t)$ se representa mediante una representación de Mandelstam con una sustracción, caracterizada por una constante de sustracción $c_0$, una densidad espectral simple $\rho(s)$ y una densidad espectral doble $\rho(s,t)$.

   • Definición 2PRR: Los autores definen las amplitudes 2PRR estableciendo la discontinuidad doble multi-partícula $\rho_{MP}(s,t)$ y la inelasticidad espectral simple asociada $\eta_{MP}(s)$ como cero. La discontinuidad doble completa es entonces $\rho(s,t) = \rho_{el}(s,t) + \rho_{el}(t,s)$, donde $\rho_{el}$ satisface la ecuación de Mandelstam (imponiendo la unitariedad elástica para $J>0$).
   • Unitariedad J=0: Una condición separada impone la unitariedad para la onda parcial de espín 0, vinculando la densidad espectral simple con la inelasticidad $\eta_0$.

2. Arquitectura de la Red Neuronal:

   • Dos redes, $NN_\rho$ y $NN_{DDisc}$, parametrizan las densidades espectrales simple y doble, respectivamente.
   • Representación de entrada: Para manejar el amplio rango de escalas de energía (desde el umbral hasta el UV), las entradas se proporcionan tanto en forma lineal ($x, y$) como logarítmica ($\log x, \log y$).
   • Estructura: Las redes utilizan subredes paralelas para diferentes regímenes cinemáticos (baja energía, energía mixta, asintótico) que se fusionan mediante capas de entrelazamiento.
   • Restricciones: La arquitectura integra propiedades físicas conocidas, como el soporte de $\rho(s,t)$ por encima de las curvas de Landau principales y la positividad de $\rho(s,t)$ en la región de Mahoux–Martin.

3. Estrategia de Optimización:

   • Las ecuaciones de unitariedad se convierten en un funcional de pérdida $\mathcal{L}$, que es una suma ponderada de penalizaciones por violar la ecuación de Mandelstam, la unitariedad de espín 0 y la unitariedad de inelasticidad ($|S_J| \le 1$).
   • Mezcla de gradientes: Para manejar las diferentes escalas numéricas de las restricciones, los autores emplean una estrategia de mezcla de gradientes donde las actualizaciones de las redes espectrales simple y doble son impulsadas principalmente por sus respectivos términos de pérdida dominantes, con un acoplamiento cruzado controlado.
   • Entrenamiento: El proceso sigue un enfoque por etapas, comenzando con mallas dispersas y cortes de energía bajos ($10^8 m^2$) y refinando progresivamente con mallas más densas y cortes más altos ($10^{16} m^2$) para asegurar la completitud UV.

Contribuciones Clave y Resultados

1. Construcción Numérica de Amplitudes 2PRR:

   • Los autores construyen con éxito una familia de amplitudes 2PRR de un solo parámetro para acoplamientos $0 \le c_0 \lesssim 44\pi$.
   • Comportamiento de Regge Emergente: Las soluciones exhiben un límite de Regge estable y no perturbativo. En el límite de Regge ($s \to \infty, t$ fijo), la amplitud tiende a una constante, consistente con un polo de Regge de $J=0$.
   • Decaimiento de Ángulo Fijo: A altas energías y ángulos fijos, la amplitud decae como $1/\log s$, consistente con el flujo de un acoplamiento negativo en la teoría $\phi^4$.
   • Transparencia: Las ondas parciales $S_J(s)$ se aproximan a la unidad cuando $s \to \infty$, lo que indica que la dispersión se vuelve transparente a altas energías, a pesar de la significativa inelasticidad en energías intermedias.

2. Producción de Partículas e Inelasticidad:

   • Las amplitudes 2PRR exhiben naturalmente una producción de partículas considerable, particularmente cerca del umbral de cuatro partículas ($s=16m^2$).
   • La inelasticidad crece con el acoplamiento $c_0$. Los autores observan un crecimiento de ley de potencia en la inelasticidad máxima, lo que sugiere un acoplamiento crítico donde la onda $S$ se vuelve puramente inelástica.

3. Apantallamiento de Aks (Aks Screening):

   • Los autores extienden el marco para tratar los datos multi-partícula ($\rho_{MP}$) como una variable dinámica en lugar de una entrada fija.
   • Demuestran que, mediante el ajuste de $\rho_{MP}$, es posible suprimir la producción de partículas en ondas parciales de bajo espín (por ejemplo, imponiendo $|S_0|=1$ o $|S_2|=1$). Denominan este fenómeno "apantallamiento de Aks".
   • Costo del Apantallamiento: Suprimir la inelasticidad empuja la amplitud hacia los valores extremales encontrados en los estudios de bootstrap semidefinido. Sin embargo, esto requiere que $\rho_{MP}$ sea grande y altamente oscilatoria. Los autores proporcionan límites que muestran que la magnitud de $\rho_{MP}$ debe crecer exponencialmente con el número de espines apantallados ($J_{max}$).

4. Consistencia con el Bootstrap Semidefinido:

   • Al inyectar los perfiles de inelasticidad extraídos de las soluciones 2PRR en una configuración estándar de bootstrap semidefinido (primal), los autores muestran que el bootstrap recupera los mismos observables de baja energía y el comportamiento de Regge, validando la consistencia de ambos enfoques.

Significancia y Reivindicaciones
El artículo afirma proporcionar la primera solución numérica al bootstrap de Atkinson–Mandelstam para amplitudes con producción de partículas que son completamente completas en el UV y exhiben un comportamiento de Regge emergente.

• Más allá de la Perturbación: Los resultados revelan características no perturbativas (como el decaimiento logarítmico específico y la reggeización) que son invisibles en la perturbación de orden fijo o en enfoques centrados únicamente en observables de baja energía.
• Datos Multi-partícula Variacionales: Una novedad conceptual es tratar los datos multi-partícula como un grado de libertad dinámica. Esto permite explorar el espacio de amplitudes consistentes y ofrece un mecanismo (apantallamiento de Aks) para reconciliar la existencia de la producción de partículas con la naturaleza "elástica" de las soluciones extremales del bootstrap.
• Limitaciones: Los autores señalan que para acoplamientos $c_0 \gtrsim 44\pi$, la optimización numérica falla en converger a una solución reggeizada, y para $c_0 > 56\pi$, no se encontraron soluciones convergentes. Interpretan esto como una observación empírica de los límites numéricos actuales, o un límite físico de la clase 2PRR, más que como una exclusión definitiva.

El trabajo establece un puente entre la estructura analítica detallada de los diagramas de Feynman (vía la clase 2PRR) y las restricciones axiomáticas del bootstrap de la matriz S, ofreciendo una nueva herramienta para explorar el espacio de las teorías de campos cuánticos consistentes.