EFT Validity and Truncation Uncertainty from few Nuisance Parameters

Resumen Técnico: Validez de la EFT e Incertidumbre de Truncamiento a partir de pocos Parámetros de Nuisance

1. Planteamiento del Problema
En los análisis de la Teoría de Campo Efectivo del Modelo Estándar (SMEFT), los observables se expanden en potencias de $1/\Lambda$. Los análisis prácticos suelen truncar esta serie en un orden finito (por ejemplo, $\mathcal{O}(\Lambda^{-2})$), dejando los primeros términos omitidos (por ejemplo, $\mathcal{O}(\Lambda^{-4})$) como una fuente de incertidumbre teórica. Esta cuestión de la "validez de la EFT" es crítica: si los efectos del siguiente orden son comparables a la señal, la expansión perturbativa es inválida, y las restricciones derivadas de los datos pueden no ser fiables.

La corrección $\mathcal{O}(\Lambda^{-4})$ consta de tres componentes:

1. El término de dimensión-6 al cuadrado ($\text{dim-6}^2$), que es totalmente calculable utilizando herramientas estándar de simulación de dim-6 (por ejemplo, MadGraph/UFO).
2. La interferencia entre el Modelo Estándar (SM) y los operadores de dimensión-8 ($\text{SM} \times \text{dim-8}$).
3. Dobles inserciones de operadores de dimensión-6.

Las prácticas experimentales actuales suelen incluir el término calculable $\text{dim-6}^2$ en la predicción de la señal pero le asignan ninguna incertidumbre, o aplican variaciones de escala ad-hoc que no logran capturar las correlaciones entre bins. Otras propuestas implican la introducción de parámetros de nuisance para operadores de dimensión-8 específicos, lo que requiere comprometerse con una base de dim-8 particular e introduce redundancias de ecuaciones de movimiento. El desafío consiste en estimar la incertidumbre completa de $\mathcal{O}(\Lambda^{-4})$ utilizando únicamente la pieza calculable $\text{dim-6}^2$, sin requerir nuevas simulaciones ni elecciones de base arbitrarias, mientras se gestiona la alta dimensionalidad del espacio de parámetros de nuisance.

2. Metodología
Los autores proponen un algoritmo para comprimir el espacio de incertidumbre de la corrección truncada en un conjunto mínimo de parámetros de nuisance no correlacionados. El método procede en tres etapas principales:

• Reducción de Rango mediante SVD: La corrección $\text{dim-6}^2$ es una forma cuadrática en los coeficientes de Wilson $c_i$. Aunque existen $N(N+1)/2$ monomios independientes ($c_i c_j$), las formas cinemáticas que producen a través de $B$ bins ocupan un subespacio de baja dimensión. Una Descomposición en Valores Singulares (SVD) de la matriz de características de los monomios identifica el rango efectivo $D_M$ y selecciona $K \ll N$ coeficientes de Wilson "representativos" que abarcan las formas cinemáticas independientes.
• Ajuste de Conjunto (Ensemble Fitting): Se extrae un gran conjunto de vectores de coeficientes de Wilson aleatorios de una distribución prior de Análisis de Dimensión Natural (NDA) ($|c_i| \le 4\pi$). Para cada extracción, se computa la corrección completa $\text{dim-6}^2$, y se ajustan los $K$ coeficientes representativos para reproducir esta corrección. Esto genera una distribución conjunta no gaussiana para los representativos.
• Prescripción de Monomios Descorrelacionados: Para dar cuenta de los términos no calculables $\text{SM} \times \text{dim-8}$ y de las dobles inserciones, el método pasa al espacio de los monomios. Los monomios representativos ajustados se descorrelacionan utilizando el Análisis de Componentes Principales (PCA). Los resultados de los componentes principales resultantes se remuestrean de forma independiente (rompiendo las restricciones cuadráticas) y se escalan por un factor $\alpha = \sqrt{2}$. Esta escala está motivada por la NDA, asumiendo que los términos no calculables tienen una varianza comparable al término $\text{dim-6}^2$ calculable, duplicando efectivamente la varianza total.

El resultado final es un conjunto de $D = K(K+1)/2$ parámetros de nuisance no correlacionados (puntuaciones de PCA) con distribuciones marginales empíricas. Estos se incorporan en la verosimilitud (likelihood) como desplazamientos de media cero en las predicciones de los bins, escalados por $1/\Lambda^4$.

3. Contribuciones Clave

• Compresión Algorítmica: El artículo demuestra que el espacio de alta dimensión de las correcciones $\text{dim-6}^2$ puede modelarse con precisión mediante un pequeño número de operadores representativos ($K$), reduciendo el recuento de parámetros de nuisance en un orden de magnitud respecto a las estimaciones ingenuas.
• Orientado a la Automatización: La selección de representativos y la construcción de las distribuciones de nuisance dependen de SVD y del ajuste de conjunto, lo que hace que el procedimiento sea aplicable a procesos arbitrarios y elecciones de truncamiento sin necesidad de ajustes manuales.
• Gestión de la Validez de la EFT: Al incluir el término $\text{dim-6}^2$ calculable en la señal y modelar el resto como un nuisance, el método suprime naturalmente el peso de las regiones cinemáticas donde la incertidumbre de truncamiento excede la señal, asegurando que los límites estén impulsados únicamente por regiones de EFT válidas.
• Estrategia de Descorrelación: La "prescripción de monomios descorrelacionados" proporciona una forma sistemática de inflar la incertidumbre para cubrir los términos no calculables sin requerir simulaciones explícitas de dim-8.

4. Resultados
El algoritmo fue validado en tres procesos de colisionadores de alta energía: Drell-Yan de alto $p_T$ ($pp \to \ell^+\ell^-$), producción de Higgs asociado ($pp \to Zh$) y producción de Higgs mediante VBF ($pp \to \text{VBF Higgs}$).

• Recuento de Representativos: Se encontró que el número de representativos $K$ era pequeño:
  • Producción Drell-Yan: $K=2$ (reduciendo 105 monomios a 2 representativos).
  • Producción $Zh$:$K=3$a$5$ dependiendo del observable (por ejemplo, $p_{T,H}$ frente a distribuciones angulares).
  • VBF: $K=2$ a $4$.
• Calidad del Ajuste: Los ajustes de los representativos alcanzaron coeficientes de determinación medianos ($R^2$) $\ge 0.99$ en todos los observables, lo que indica que el conjunto reducido de parámetros captura la estructura cinemática de la corrección completa $\text{dim-6}^2$.
• Cobertura: Se demostró que la distribución de nuisance descorrelacionada con $\alpha = \sqrt{2}$ cubre la verdad completa de $\mathcal{O}(\Lambda^{-4})$ (incluyendo la interferencia dim-8 y las dobles inserciones) con una cobertura del 95% mínima ($C_{95}$) generalmente superior a 0.90 en todos los bins cinemáticos.
• Estructura de Correlación: El método reproduce con éxito las correlaciones dominantes entre bins del error de truncamiento, según se verificó comparando los espectros de autovalores de las matrices de correlación.

5. Significación y Reivindicaciones
El artículo afirma proporcionar una "manera fundamentada" de manejar las incertidumbres de truncamiento en los análisis de SMEFT que es tanto computacionalmente eficiente como teóricamente robusta.

• Eficiencia: Reduce la carga computacional de realizar el perfilado de parámetros de nuince de alta dimensión, haciendo que sea factible incluir incertidumbres de truncamiento en ajustes globales y análisis a nivel de detector.
• Robustez: Al apoyarse en la pieza calculable $\text{dim-6}^2$ y en un factor de escala conservador, el método evita las ambigüedades de las elecciones de base de dim-8, cubriendo al mismo tiempo la incertidumbre total del siguiente orden.
• Validez: El enfoque asegura que la validez de la EFT se imponga automáticamente; las regiones donde el error del siguiente orden domina la señal son ponderadas a la baja de forma natural en la verosimilitud, evitando restricciones espurias.

Los autores enfatizan que este es un estimador de la incertidumbre para la sección eficaz de la SMEFT truncada. Recomiendan realizar búsquedas tanto con como sin estos errores para distinguir entre las restricciones sobre la propia EFT y la sensibilidad potencial a modelos específicos de completitud UV. El método se presenta como una herramienta práctica para los análisis actuales y futuros del LHC, con una implementación de referencia disponible.