Optimizing Yukawa couplings to suppress Dimension-five Proton Decay in $SU(5)$ GUT

Resumen Técnico: Optimización de los Acoplamientos de Yukawa para Suprimir la Desintegración del Protón de Dimensión Cinco en la GUT SU(5)

Planteamiento del Problema
La Teoría de Gran Unificación (GUT) mínima supersimétrica (SUSY) $SU(5)$ enfrenta un obstáculo fenomenológico crítico: la rápida desintegración del protón mediada por operadores de dimensión cinco que surgen del intercambio de Higgsinos coloreados. Los límites experimentales, específicamente el límite de Super-Kamiokande de $\tau(p \to K^+ \bar{\nu}) > 5.9 \times 10^{33}$ años, restringen severamente la viabilidad del modelo. Si bien extender el sector de Higgs con representaciones de mayor dimensión (específicamente 45 y $\overline{45}$) e incorporar interacciones no renormalizables puede resolver teóricamente este problema, estas extensiones introducen un vasto espacio de parámetros de alta dimensión. Este espacio, abarcado por numerosos ángulos de mezcla, fases de CP y escalas de masa, hace que los escaneos numéricos tradicionales por fuerza bruta sean computacionalmente intratables debido a la "maldición de la dimensionalidad".

Metodología
Para abordar este desafío computacional, los autores emplean técnicas de optimización de aprendizaje automático, específicamente el optimizador Adam, para navegar el espacio de parámetros de un modelo SUSY $SU(5)$ modificado. El estudio se centra en un modelo que contiene tres generaciones de campos de materia ($5 + 10$), campos de Higgs de ruptura electrodébil ($5 + \overline{5} + 45 + \overline{45}$) y un campo de ruptura GUT ($24$).

La metodología implica los siguientes pasos:

1. Formulación del Modelo: Los autores derivan las matrices de acoplamiento de Yukawa a escala GUT ($Y_5, Y_{\overline{5}}, Y_{45}, Y_{\overline{45}}$) igualándolas a las masas de fermiones observadas del MSSM y los ángulos de mezcla (matriz CKM) a la escala GUT ($\sim 2 \times 10^{16}$ GeV). Esto implica un ajuste fino de las matrices de masa de los dobletes y tripletes de Higgs para asegurar un término $\mu$ ligero mientras se mantienen tripletes de Higgs coloreados pesados.
2. Cálculo de la Tasa de Desintegración: La anchura de desintegración parcial para $p \to K^+ \bar{\nu}$ se calcula integrando los campos de Higgs coloreados para obtener operadores de dimensión cinco. Estos operadores se evolucionan mediante ecuaciones del Grupo de Renormalización (RG) desde la escala GUT hasta la escala hadrónica, incorporando las masas de las partículas SUSY (fijadas en 3 TeV para el espectro de referencia) y elementos de matriz hadrónicos.
3. Configuración de la Optimización: La búsqueda de parámetros viables se formula como un problema de optimización. Se define una función de pérdida como la anchura de desintegración parcial media escalada logarítmicamente de la desintegración $p \to K^+ \bar{\nu}$.
4. Espacio de Parámetros: La optimización varía 33 parámetros:
   • 27 ángulos y fases que parametrizan tres matrices unitarias indeterminadas ($U_u, U_e, V_e$) que rotan la base de sabor.
   • 6 parámetros del sector potencial ($M, \lambda, \kappa, \kappa', \lambda_a, \lambda_b$) que gobiernan los términos de masa y acoplamientos de Higgs.
   • El parámetro $m$ está restringido por la condición $\det(M_{\text{doublet}}) = 0$.
5. Ejecución: Utilizando TensorFlow, los autores inicializan $N=4096$ configuraciones de parámetros aleatorias y las actualizan iterativamente durante 100.000 épocas para minimizar la función de pérdida. Este proceso se repite para cuatro valores distintos de $\tan \beta$ (3, 10, 30 y 50).

Resultados Clave

• Eficacia de la Optimización: El optimizador Adam navegó con éxito el espacio de 33 dimensiones, reduciendo rápidamente la función de pérdida. Los conjuntos de parámetros optimizados desplazaron consistentemente la distribución de la vida media del protón hacia valores más largos en comparación con las configuraciones aleatorias iniciales.
• Localización de Parámetros: El análisis reveló que los parámetros optimizados no se distribuyen uniformemente. En cambio, ángulos de mezcla específicos (particularmente aquellos en las matrices unitarias $U_u$ y $U_e$) y acoplamientos potenciales (tales como $M$ y $\kappa$) exhiben distribuciones localizadas. Esto sugiere que suprimir la desintegración del protón requiere una alineación altamente específica y no trivial entre las matrices de Yukawa y el sector potencial a escala GUT.
• Dependencia de $\tan \beta$: Un hallazgo crítico es la fuerte sensibilidad de la vida media del protón alcanzable a $\tan \beta$.
  • Para valores más bajos ($\tan \beta = 3, 10$), el optimizador identificó con éxito regiones donde la vida media del protón excede el límite de Super-Kamiokande.
  • A medida que aumenta $\tan \beta$ (30 y 50), la mejora de las contribuciones del sector de quarks y leptones de tipo abajo amplifica significativamente los operadores de desintegración de dimensión cinco. En consecuencia, la vida media del protón optimizada disminuye, haciendo cada vez más difícil satisfacer el límite inferior experimental. En el régimen de alto $\tan \beta$, las cancelaciones requeridas dentro del espacio de parámetros se vuelven más estrictas y menos probables de lograr.

Significado y Afirmaciones
El artículo afirma demostrar que la optimización mediante aprendizaje automático es una herramienta efectiva para abordar problemas fenomenológicos en la física más allá del Modelo Estándar (BSM) que sufren la maldición de la dimensionalidad. Al explorar sistemáticamente el espacio de parámetros de un modelo extendido SUSY $SU(5)$, los autores muestran que existen regiones viables donde la desintegración del protón de dimensión cinco se suprime a niveles aceptables.

Sin embargo, los autores permanecen modestos respecto a la universalidad de estas soluciones. Enfatizan que, aunque el algoritmo puede identificar alineaciones específicas y no triviales que suprimen la desintegración, la viabilidad del modelo depende en gran medida del valor de $\tan \beta$. El estudio concluye que, si bien el marco es flexible y poderoso, la supresión de la desintegración mediada por tripletes-Higgsino en regímenes de alto $\tan \beta$ impone restricciones severas a la capacidad del modelo para cumplir con los límites experimentales. La obra sirve como una prueba de concepto para la aplicación de algoritmos de optimización a espacios de parámetros GUT complejos, con aplicabilidad potencial a otros grupos GUT como $SO(10)$.