NeutrinoOsc3Flavor: CP Phase Dependence in Three-Flavor Neutrino Oscillations: A Numerical Study in Vacuum and Matter

Resumen Técnico: NeutrinoOsc3Flavor

Planteamiento del Problema
Los estudios modernos de oscilación de neutrinos, particularmente aquellos que involucran efectos de materia y dependencia de la fase de violación de CP, dependen cada vez más de marcos de software de gran escala y altamente optimizados diseñados para la simulación experimental. Si bien son indispensables para el análisis de datos, estas herramientas suelen funcionar como "cajas negras" donde los procedimientos numéricos subyacentes, los pasos intermedios y los supuestos físicos específicos están embebidos dentro de complejas pilas de software. Esta opacidad dificulta la verificación independiente, la inspección a nivel de ecuación y los contrastes teóricos. Existe una necesidad distintiva de implementaciones de referencia transparentes, minimalistas y orientadas a la verificación que permitan a los investigadores rastrear explícitamente cada paso del cálculo de la oscilación.

Metodología
El presente artículo presenta NeutrinoOsc3Flavor, un marco computacional ligero y totalmente transparente escrito en Python puro. Está diseñado para resolver la ecuación de evolución de Schrödinger para oscilaciones de tres sabores exactas, tanto en vacío como en materia de densidad constante.

• Formalismo: El código opera dentro del formalismo PMNS en la base de sabor. Construye explícitamente el Hamiltoniano efectivo ($H_f$) para los casos de vacío y materia. Para la materia, incorpora el potencial de corriente cargada ($V_{CC}$) derivado de la densidad electrónica, mientras que desprecia los efectos de corriente neutra (que se cancelan en las probabilidades de oscilación) y la absorción de neutrinos.
• Enfoque Numérico: El marco diagonaliza numéricamente el Hamiltoniano efectivo utilizando la biblioteca NumPy para obtener autovalores y autovectores, construyendo así el operador de evolución $S(L) = e^{-iH L}$. Esto permite el cálculo directo de las probabilidades de oscilación y supervivencia.
• Validación Analítica: Una característica única de la implementación es la determinación analítica independiente de los autovalores del Hamiltoniano modificado por la materia mediante el método de Cardano. El código resuelve el polinomio característico de la matriz Hamiltoniana de $3\times3$ para derivar los autovalores analíticamente, proporcionando un punto de referencia contra los resultados de la diagonalización numérica.
• Dependencias y Portabilidad: El software depende únicamente de NumPy para el álgebra lineal y Matplotlib para la visualización. No requiere compiladores externos de C++/FORTRAN, librerías especializadas ni instalaciones específicas de plataforma, lo que garantiza la ejecución nativa en Linux, Windows y macOS.
• Sensibilidad de la Fase CP: El marco trata la fase de violación de CP ($\delta_{CP}$) como una variable primaria, variándola sistemáticamente (por ejemplo, $0^\circ, 45^\circ, 90^\circ, 135^\circ, 180^\circ, 217^\circ$) para estudiar su impacto en las probabilidades de oscilación tanto en vacío como en materia.

Contribuciones Clave

1. Implementación de Referencia Transparente: El código proporciona accesibilidad a nivel de ecuación a todo el cálculo de la oscilación, desde la construcción del Hamiltoniano hasta la evaluación final de la probabilidad, distinguiéndose de los kits de herramientas de gran escala y opacos.
2. Control de Consistencia Interna: Al implementar el método de Cardano para la determinación analítica de los autovalores junto con la diagonalización numérica, el marco ofrece un mecanismo robusto de validación interna. Los autores demuestran un excelente acuerdo entre los autovalores analíticos y numéricos.
3. Herramienta de Diagnóstico de la Fase CP: El marco está estructurado específicamente para utilizar la dependencia de la fase CP como un diagnóstico sensible de la estabilidad numérica y la corrección física, en lugar de tratarla como un parámetro fijo.
4. Utilidad Pedagógica y de Benchmarking: El código está diseñado para contrastes teóricos, uso educativo y benchmarking de software de simulación más complejo, en lugar de reemplazar los marcos de simulación experimental completos.

Resultados

• Acuerdo de Autovalores: El estudio confirma que los autovalores derivados analíticamente (vía el método de Cardano) coinciden con los autovalores computados numéricamente (vía la diagonalización de NumPy) con alta precisión (por ejemplo, diferencias del orden de $10^{-16}$ a $10^{-13}$), validando la estabilidad del resolvedor numérico.
• Comportamiento en Vacío vs. Materia:
  • En vacío, las probabilidades de oscilación varían significamente con la fase de CP, mientras que las probabilidades de supervivencia permanecen mayormente inafectadas por la variación de la fase en las configuraciones específicas mostradas.
  • En materia, tanto las probabilidades de oscilación como las de supervivencia exhiben sensibilidad a la fase de CP, con los efectos de materia induciendo cambios leves en las probabilidades de supervivencia que no están presentes en el caso de vacío.
• Validación: Los resultados para las probabilidades de supervivencia de neutrinos muónicos en materia se compararon con el toolkit NuOscProbExact, mostrando un comportamiento consistente.

Significancia
Los autores posicionan a NeutrinoOsc3Flavor no como un reemplazo para los paquetes de simulación experimental integrales, sino como una herramienta especializada y orientada a la verificación. Su significancia radica en su trazabilidad analítica y su diseño minimalista, que reducen la barrera para la verificación independiente. Al priorizar el "cómo" del cálculo sobre el rendimiento bruto, sirve como una base confiable para:

• Contrastes teóricos de códigos de oscilación complejos.
• Aplicaciones educativas donde la comprensión de los pasos explícitos de la evolución de Schrödinger es primordial.
• Benchmarking de la estabilidad numérica, particularmente respecto a la dependencia de la fase de violación de CP en sistemas de tres sabores.

La capacidad del marco para ejecutarse sin dependencias especializadas asegura la reproducibilidad en diferentes entornos computacionales, convirtiéndolo en un complemento valioso para las herramientas de gran escala existentes en la física de neutrinos.