Numerical Study of MRW-Type Unintegrated Double Parton Distribution Functions from Non-Factorized DPDFs

Este trabajo presenta un estudio numérico de funciones de distribución de doble partón no integradas de tipo MRW construidas a partir de DPDFs colineales GS09 no factorizadas, comparando el rendimiento y las características de la versión KMRW doblemente modificada, la MRW con ordenamiento doble de virtualidad y una variante ajustada en la normalización para analizar su dependencia del momento transversal, sus propiedades de normalización y su sensibilidad a las correlaciones longitudinales.

Lo esencial

Imagina un protón no como una canica sólida, sino como una pista de baile bulliciosa y abarrotada llena de pequeños bailarines energéticos llamados partones (quarks y gluones). Por lo general, cuando dos protones chocan entre sí en un colisionador de partículas, asumimos que solo un par de bailarines de cada lado choca entre sí. Esto se llama "Dispersión de Partón Único".

Sin embargo, a energías muy altas, es posible que dos pares separados de bailarines colisionen simultáneamente en el mismo choque. Esto es la Dispersión de Partón Doble (DPS). Para entender este baile caótico, los físicos necesitan un mapa que muestre no solo dónde están los bailarines, sino también qué tan rápido se mueven lateralmente (momento transversal) y cómo están correlacionados entre sí.

Este artículo es un estudio numérico realizado por la Colaboración CHROMA que crea y prueba tres formas diferentes de dibujar este mapa. Aquí está el desglose en términos sencillos:

1. El Problema: La "Fórmula de Bolsillo" es Demasiado Simple

Durante mucho tiempo, los físicos utilizaron una "fórmula de bolsillo" para estimar estas colisiones dobles. Era como asumir que la pista de baile está vacía y que los bailarines son completamente independientes entre sí. Solo se multiplica la probabilidad de que un bailarín esté allí por la probabilidad de que otro esté allí.

• El Defecto: En realidad, los bailarines están abarrotados. Si un bailarín está en un lugar específico, cambia las probabilidades de dónde puede estar otro bailarín. Además, la "fórmula de bolsillo" ignora qué tan rápido se mueven los bailarines lateralmente. El artículo argumenta que necesitamos un mapa más detallado que tenga en cuenta estas correlaciones y movimientos laterales.

2. Los Ingredientes: El Mapa "GS09"

Los autores comienzan con un mapa preexistente y de alta calidad del protón llamado GS09. Este mapa ya conoce la "abarrocamiento" (correlaciones) de los bailarines. Sin embargo, este mapa es "colineal", lo que significa que solo te dice hacia dónde se mueven los bailarines hacia adelante, no cuánto se están meciendo lateralmente.

• La Tarea: Necesitaban tomar este mapa de movimiento hacia adelante y agregarle el "mecenido" (momento transversal), creando lo que llaman Funciones de Distribución de Partón Doble No Integradas (UDPDFs).

3. Los Tres Métodos: Tres Maneras de Agregar el Mecenido

El artículo prueba tres diferentes "recetas" (prescripciones) para agregar este movimiento lateral al mapa. Piensa en esto como tres chefs diferentes tratando de agregar especias a un guiso:

• Receta A: El Chef "Ordenado por Virtualidad" (DVO-MRW)

  • Cómo funciona: Este chef agrega especias basándose en una regla estricta: "Cuanto mayor sea el mecido, más cambia la receta". Mira la historia de los bailarines para decidir cuánto se mecen.
  • El Problema: Este chef es un poco desordenado. A veces, después de agregar las especias, la cantidad total de guiso (la probabilidad total) no coincide exactamente con la receta original. Crea una "desviación de normalización".
  • La Solución: Los autores crearon una Versión Emparejada (MDVO-MRW). Es el mismo chef, pero agregan un paso final de "prueba de sabor" para ajustar la cantidad de guiso para que el volumen total sea perfecto, sin cambiar el perfil de sabor (la forma del mecido).

• Receta B: El Chef "Núcleo Normalizado" (DMKMRW)

  • Cómo funciona: Este chef es muy preciso. Toma el mapa original y adjunta una "etiqueta de mecido" preelaborada y perfectamente medida a cada bailarín.
  • El Beneficio: Como las etiquetas están premedidas, la cantidad total de guiso está garantizada para ser correcta desde el principio. No se necesitan ajustes desordenados.
  • La Diferencia: A diferencia del primer chef, este no permite que el mecido cambie el mapa subyacente de los bailarines; simplemente agrega el mecido encima.

• Receta C: El Chef "Antiguo" (Direct LO-MRW)

  • Por qué no la usaron: El artículo menciona un método más antiguo que requiere cortar el mapa en piezas (como un rompecabezas) para manejar diferentes velocidades. Los autores encontraron esto demasiado complicado y torpe para sus necesidades, por lo que se mantuvieron con las dos recetas más nuevas y limpias mencionadas anteriormente.

4. Los Hallazgos: Lo que Mostraron los Mapas

Los autores ejecutaron simulaciones para ver cómo se comparaban estas tres recetas. Esto es lo que encontraron:

• El "Mecido" Importa: La forma en que agregas el movimiento lateral cambia significativamente la imagen final, especialmente cuando los bailarines se mueven rápido o están cerca del borde de la pista de baile (alta energía).
• Las Correlaciones son Reales: El "abarrocamiento" de la pista de baile importa.
  • Si buscas dos bailarines del mismo tipo (por ejemplo, dos quarks "up"), el mapa muestra que es menos probable encontrarlos juntos de lo que predice la simple "fórmula de bolsillo". Es como dos personas del mismo tamaño tratando de apretujarse en una esquina pequeña; se empujan mutuamente.
  • Si buscas un par de opuestos (por ejemplo, un quark y un antiquark), es más probable encontrarlos juntos. Es como un par de imanes pegados.
• La Elección de la Receta Cambia el Resultado:
  • La receta de Núcleo Normalizado (DMKMRW) mantiene el "mecido" separado del "abarrocamiento". El movimiento lateral se ve igual independientemente de dónde estén los bailarines.
  • La receta Ordenada por Virtualidad (DVO-MRW) los mezcla juntos. El "mecido" cambia dependiendo de qué tan abarrotada esté el área.
  • Crucialmente: Incluso después de corregir el problema de volumen del "chef desordenado" (la versión emparejada), las dos recetas aún produjeron formas diferentes para el movimiento lateral. Esto significa que la elección de la receta es una fuente importante de incertidumbre al predecir estas colisiones.

5. La Conclusión

El artículo concluye que para predecir con precisión lo que sucede cuando los protones chocan entre sí a altas energías, no podemos usar la simple "fórmula de bolsillo". Debemos usar estos mapas detallados que tienen en cuenta cómo están correlacionados los partones.

Sin embargo, hay un inconveniente: Importa qué receta uses para agregar el movimiento lateral. Los métodos de "Núcleo Normalizado" y "Ordenado por Virtualidad" dan resultados diferentes, especialmente para colisiones de alta velocidad. Los autores sugieren que los futuros experimentos deben tener cuidado con qué "receta" matemática utilizan, ya que podría cambiar la respuesta final.

En resumen: Construyeron un mapa mejor y más detallado del interior del protón, probaron tres formas diferentes de dibujar el "movimiento lateral" en ese mapa y descubrieron que la elección del método de dibujo cambia significativamente la imagen, especialmente en las partes más energéticas de la colisión.

Resumen técnico

Resumen Técnico: Estudio Numérico de Funciones de Distribución de Doble Partón No Integradas de Tipo MRW a partir de DPDFs No Factorizadas

Planteamiento del Problema
La dispersión de doble partón (DPS) es una sonda crítica de las correlaciones multi-partón dentro de los hadrones. Si bien el enfoque fenomenológico estándar se basa en la "fórmula de bolsillo", que asume una forma factorizada para las funciones de distribución de doble partón (DPDFs) e integra los momentos transversos, esta aproximación falla al satisfacer las ecuaciones de evolución DGLAP doble y las reglas de suma de momento y número asociadas. Además, a altas energías, la radiación QCD del estado inicial genera momentos transversos significativos ($k_t$), lo que hace necesario el uso de funciones de distribución de doble partón no integradas (UDPDFs) dentro del marco de factorización $k_t$.

Una dificultad específica surge al construir UDPDFs a partir de DPDFs colineales no factorizadas. Las prescripciones convencionales de Orden Líder (LO) MRW (Martin-Ryskin-Watt) requieren un tratamiento por partes: los componentes homogéneo (evolución independiente) y no homogéneo (división perturbativa) de la DPDF deben tratarse por separado, particularmente en la región donde los momentos transversos están por debajo de la escala de entrada ($k_t < \mu_0$). Esta separación es engorrosa para aplicaciones fenomenológicas, especialmente al utilizar DPDFs de entrada completas y no factorizadas como el conjunto GS09, donde los componentes no se almacenan por separado. Además, los modelos existentes a menudo luchan con ambigüedades de normalización y la generación de colas no físicas por encima de la escala dura.

Metodología
Los autores presentan un estudio numérico que construye UDPDFs directamente a partir de DPDFs colineales no factorizadas utilizando tres prescripciones inspiradas en MRW que evitan la separación por partes de los términos homogéneos y no homogéneos:

1. Entrada y Evolución: El estudio utiliza las DPDFs GS09 como entrada, evolucionadas a escalas desiguales ($\mu_1 \neq \mu_2$) mediante un marco numérico personalizado de evolución DGLAP doble llamado ChromaPDFEvolver. Este marco resuelve las ecuaciones DGLAP doble (incluyendo el término de "alimentación" inhomogéneo) en el espacio $x$ utilizando una rejilla en la variable $u = \ln(x/(1-x))$ y un algoritmo Runge-Kutta-Fehlberg. La evolución a escala desigual se valida contra la regla de suma de momento.
2. Prescripción 1: MRW de Doble Virtualidad Ordenada (DVO-MRW): Este modelo aplica una evolución del último paso ordenada por virtualidad a la DPDF colineal completa. La escala de virtualidad $K^2 = k_t^2/(1-z)$ se utiliza para el factor de forma de Sudakov y el acoplamiento, asegurando que la distribución sea cero más allá de la región de virtualidad cinemáticamente permitida. Genera la dependencia del momento transversal dinámicamente sin requerir una extrapolación separada a bajo $k_t$.
3. Prescripción 2: DVO-MRW con Coincidencia de Normalización (MDVO-MRW): Para abordar las desviaciones de normalización inherentes al modelo DVO-MRW, se introduce un factor de coincidencia multiplicativo. Esto preserva la forma del momento transversal ordenada por virtualidad mientras obliga a que la integral sobre $k_t$ reproduzca exactamente la DPDF colineal de entrada.
4. Prescripción 3: DMKMRW Doble Modificado: Basado en el enfoque MKMRW (Modified KMRW), este modelo asigna núcleos transversos normalizados a cada pata de partón externa. La dependencia transversal se factoriza de la DPDF colineal, y el modelo se construye para ser exactamente preservador de la normalización por diseño.

El estudio compara estos modelos a través de varios canales partónicos ($gg, ug, uu, u\bar{u}$) y analiza la relación entre las distribuciones no factorizadas y factorizadas para aislar el impacto de las correlaciones longitudinales.

Resultados Clave

• Validación: El ChromaPDFEvolver preserva con éxito la regla de suma de momento para DPDFs de escala desigual con alta precisión numérica, confirmando la validez de la entrada para la construcción de UDPDFs.
• Normalización: El modelo DMKMRW es inherentemente preservador de la normalización. El modelo DVO-MRW exhibe desviaciones de normalización no triviales, particularmente en el canal gluón-gluón, las cuales se corrigen con éxito en la variante MDVO-MRW.
• Dependencia del Momento Transverso:
  • En el modelo DMKMRW, la relación entre las distribuciones no factorizadas y factorizadas es independiente de $k_t$. Los efectos no factorizados se manifiestan puramente como un factor de correlación longitudinal ($D_{ij}/f_i f_j$) que modifica la normalización y la dependencia de sabor, pero no la forma de $k_t$.
  • En los modelos DVO-MRW/MDVO-MRW, los efectos no factorizados están acoplados con el momento transversal. A medida que aumenta $k_t$, la restricción de ordenamiento de virtualidad limita la región de integración, muestreando la DPDF más cerca del límite cinemático ($x_1+x_2=1$). Esto conduce a una supresión dependiente de $k_t$ de las distribuciones no factorizadas a gran $x$ y gran $k_t$.
• Dependencia del Canal:
  • El canal $uu$ muestra una fuerte supresión en las distribuciones no factorizadas en relación con la aproximación factorizada, impulsada por las reglas de suma de número de valencia (encontrar un segundo quark de valencia está restringido).
  • El canal $u\bar{u}$ puede mostrar una mejora, reflejando las correlaciones quark-antiquark presentes en las DPDFs GS09 de entrada.
• Comparación de Modelos: Incluso cuando ambos modelos están coincidentes en normalización (DMKMRW vs. MDVO-MRW), producen formas de momento transversal diferentes. La distribución MDVO-MRW está suprimida a gran $k_t$ debido a la restricción de ordenamiento de virtualidad ($K^2 < \mu^2$), mientras que la distribución DMKMRW retiene una cola determinada por el núcleo normalizado.

Significado y Afirmaciones
El artículo afirma que la construcción de UDPDFs a partir de DPDFs no factorizadas es esencial para una descripción consistente de DPS mediante factorización $k_t$. Los autores demuestran que:

1. Las correlaciones no factorizadas no son universales: No pueden representarse mediante un simple factor multiplicativo independiente de la cinemática; dependen del sabor, de las fracciones de momento longitudinal y de la prescripción específica utilizada para generar los momentos transversos.
2. La dependencia de la prescripción es una fuente de incertidumbre: La elección entre un enfoque de núcleo normalizado (DMKMRW) y un enfoque de convolución ordenada por virtualidad (DVO/MDVO-MRW) conduce a diferencias significativas en las formas de $k_t$ predichas, particularmente a grandes momentos transversos y cerca del límite cinemático.
3. Utilidad práctica: Las prescripciones propuestas (específicamente MDVO-MRW y DMKMRW) proporcionan modelos compactos de expresión única que pueden aplicarse directamente a DPDFs no factorizadas completas, evitando los tratamientos por partes engorrosos de las construcciones LO-MRW convencionales.

Los autores concluyen que, si bien las aproximaciones factorizadas pueden ser suficientes para pequeño $x$ y $k_t$ moderado, el uso de UDPDFs no factorizadas es crítico para procesos sensibles a gran $x$, gran $k_t$ o correlaciones específicas de valencia/quark-antiquark. Señalan que una evaluación completa del impacto fenomenológico requiere implementar estas distribuciones en cálculos de DPS a nivel de proceso, lo cual se deja para trabajos futuros.