Path-length dependence of parton energy loss across collision systems: a Bayesian analysis of charged-particle RAA, consistent with a universal exponent from O+O to Pb+Pb

Resumen Técnico: Dependencia de la Longitud de Trayectoria de la Pérdida de Energía de Partones en Diferentes Sistemas de Colisión

Planteamiento del Problema
El mecanismo que gobierna la pérdida de energía de los partones en el plasma de quarks y gluones (QGP) está codificado en cómo la pérdida de energía promedio $\langle \Delta E \rangle$ escala con la longitud de trayectoria en el medio $L$. Los marcos teóricos predicen comportamientos de escalamiento distintos: la pérdida de energía colisional escala linealmente ($\langle \Delta E \rangle \propto L$), la pérdida radiativa inducida por el medio escala cuadráticamente ($\langle \Delta E \rangle \propto L^2$), y los modelos de acoplamiento fuerte (holográficos) predicen un escalamiento cúbico ($\langle \Delta E \rangle \propto L^3$). Históricamente, la extracción de este exponente de escalamiento se ha visto complicada al analizar las variaciones de centralidad dentro de un solo sistema grande (por ejemplo, Pb+Pb), lo que introduce sesgos provenientes de la selección de centralidad y de la normalización basada en Glauber ($T_{AA}$) en eventos periféricos. El surgimiento de datos de colisiones de iones ligeros en el LHC (O+O, Ne+Ne) ofrece una palanca complementaria: variar el tamaño del sistema ($A$) en condiciones de ancho de banda mínimo (minimum bias) para sondear longitudes de trayectoria comparables a las de colisiones de iones pesados periféricos, aislando así la dependencia del tamaño del sistema.

Metodología
Los autores realizan un análisis bayesiano de los factores de modificación nuclear de partículas cargadas ($R_{AA}$) a través de cuatro sistemas de colisión: O+O, Ne+Ne, Xe+Xe y Pb+Pb, que abarcan números de masa $A=16$ a $208$.

1. Modelo de Propagación (Forward Model): Un modelo paramétrico relaciona el $R_{AA}$ con la pérdida de energía fraccional $\Delta p_T$. El modelo asume que $\Delta p_T \propto \rho G^n$, donde $\rho$ es la densidad relativa del medio, $G$ es una razón geométrica adimensional, y $n$ es el exponente del tamaño del sistema a determinar. El índice espectral $a(p_T)$ se fija utilizando mediciones basadas en datos de colisiones $pp$, aplicándose el escalamiento $x_T$ para diferentes energías de colisión.
2. Geometría: La geometría de la colisión se calcula utilizando dos implementaciones de Glauber independientes: un modelo de Glauber óptico y un modelo de Glauber de Monte Carlo personalizado (muestreando las posiciones de los nucleones con exclusión de núcleo duro). Las claves geométricas incluyen $A^{1/3}$, $\langle N_{part} \rangle^{1/3}$ y la longitud de trayectoria de salida promedio $\langle L \rangle$.
3. Marco Estadístico:
   • Verosimilitud (Likelihood): Se utiliza una verosimilitud gaussiana correlacionada, incorporando una matriz de covarianza entre bins. Las incertidumbres sistemáticas se modelan con una longitud de correlación $\xi = 4$ bins para dar cuenta de las correlaciones parciales, evitando la sobre-restricción de los sistemáticos totalmente correlacionados.
   • Inferencia: La distribución posterior para los parámetros ($\kappa$, $n$, $\beta$) se muestrea utilizando el muestreador de ensamble invariante afín (EMCEE).
   • Selección de Modelo: El muestreo anidado (DYNESTY) calcula la evidencia bayesiana para comparar modelos con exponentes fijos ($n=1, 2, 3$).
   • Validación: El marco incluye un pilar de "inferencia basada en simulación" (SBI) utilizando un estimador de la posterior neuronal de flujo normalizante, validado mediante calibración basada en simulación (SBC) y validación cruzada de dejar un sistema fuera (LOSO). También se entrena un emulador de proceso gaussiano para predecir los sistemas excluidos.
4. Robustez: El análisis se prueba a través de 160 variantes que involucran diferentes indicadores de geometría, longitudes de covarianza, líneas de base espectrales y priors.

Resultos Clave

• Exponente Efectivo: El análisis extrae un exponente efectivo de tamaño del sistema de $n = 1.78 \pm 0.15 \text{ (est)} \pm 0.05 \text{ (sist)}$ para la geometría $\langle N_{part} \rangle^{1/3}$.
• Selección de Modelo: La evidencia bayesiana favorece decisivamente el escalamiento radiativo ($n=2$) sobre las hipótesis colisional ($n=1$) y de acoplamiento fuerte ($n=3$). Las diferencias de log-evidencia son $2\Delta \ln Z \approx -29$ (para $n=1$) y $-48$ (para $n=3$), ambas superando el umbral "decisivo".
• Límites Microscópicos: Al analizar el mapeo entre los exponentes microscópicos y efectivos en presencia de fluctuaciones de pérdida de energía, los autores establecen que las fluctuaciones solo pueden reducir el exponente efectivo por debajo del microscópico. En consecuencia, la medición establece un límite inferior para el exponente microscópico ($n_{micro} \ge 1.78$), excluyendo efectivamente la pérdida de energía puramente colisional ($n_{micro}=1$) a geometría fija.
• Universalidad: Una prueba de factor de Bayes encuentra evidencia nula de un cambio en el régimen de pérdida de energía entre sistemas pequeños (O+O, Ne+Ne) y grandes (Xe+Xe, Pb+Pb), lo que apoya un exponente universal a través de todo el rango.
• Supresión en O+O: El marco proporciona evidencia bayesiana decisiva ($2\Delta \ln Z \approx 110$) de una pérdida de energía de partones no nula en O+O por sí solo, cuantificando el inicio de la supresión en el sistema más pequeño.
• Coeficiente de Transporte: La magnitud de la pérdida de energía extraída corresponde a un coeficiente de transporte de jets efectivo $\hat{q}/T^3 \approx 2\text{--}5$, consistente con las determinaciones independientes de JETSCAPE.

Significación y Reivindicaciones
El artículo afirma proporcionar la primera extracción estadísticamente calibrada, basada en el tamaño del sistema, del exponente de trayectoria de la pérdida de energía de los partones. Sus principales contribuciones son:

1. Un Exponente Efectivo Robusto: Establece $n \approx 1.78$ como un observable robusto a nivel de geometría que es independiente de implementaciones de transporte específicas, sirviendo como un punto de referencia para futuros cálculos de pérdida de energía de múltiples etapas.
2. Exclusión de Mecanismos Colisionales: A través del límite de fluctuación, demuestra que la pérdida de energía puramente colisional es incompatible con la tendencia observada del tamaño del sistema, incluso al considerar las fluctuaciones.
3. Rigor Metodológico: El trabajo introduce un marco bayesiano exhaustivo que propaga las incertidumbres correlacionadas, valida la cobertura de los intervalos mediante pruebas de cierre y emplea la inferencia basada en simulación para contrastar los resultados, asegurando la defensa estadística de la extracción.
4. Poder Predictivo: El marco produce predicciones falsables para futuras mediciones de iones ligeros (Ar+Ar y Kr+Kr), prediciendo $R_{AA}(10 \text{ GeV}) \approx 0.55 \pm 0.03$ y $0.41 \pm 0.03$, respectivamente.

Limitaciones y Alcance
Los autores declaran explícitamente que el resultado es un exponente efectivo, no una medición directa de la dependencia de la trayectoria microscópica. El análisis está limitado por la degeneración entre la densidad del medio y la longitud de trayectoria en un escaneo de tamaño de sistema de ancho de banda mínimo (ambos escalan como $\langle N_{part} \rangle^{1/3}$), lo que significa que el $n$ extraído combina ambos efectos. El artículo no pretende resolver el mecanismo microscópico (por ejemplo, distinguir entre BDMPS-Z y correcciones de opacidad finita) sin entradas adicionales como datos diferenciales de centralidad o mediciones de anisotropía azimutal ($v_2$). Las conclusiones están estrictamente limitadas a los cuatro sistemas analizados y a los supuestos específicos del modelo de propagación empleado.