A Bayesian approach to the long-baseline neutrino oscillation sensitivity of DUNE
Este artículo aplica un enfoque de Monte Carlo por cadenas de Markov bayesiano para reevaluar la sensibilidad de oscilación de neutrinos de larga línea de base de DUNE utilizando entradas existentes, revelando una mayor sensibilidad al octante mediante restricciones de reactores post hoc y presentando el primer estudio de la sensibilidad de DUNE al invariante de Jarlskog.
Autores originales: DUNE Collaboration, S. Abbaslu, F. Abd Alrahman, A. Abed Abud, R. Acciarri, M. A. Acero, M. R. Adames, G. Adamov, M. Adamowski, K. Adhikari, C. Adriano, K. Agudelo-Jaramillo, F. Akbar, F. Alemanno, N. S. Alex, L. Aliaga Soplin, A. Alqaisi, O. Alterkait, A. Alton, R. Alvarez, T. Alves, A. Aman, H. Amar, R. M. Amarinei, P. Amedo, E. P. M. Amorim, D. A. Andrade, C. Andreopoulos, M. Andreotti, M. P. Andrews, M. Andriamirado, F. Andrianala, S. Andringa, S. Ansarifard, D. Antic, A. Antonakis, T. Araya-Santander, L. Arellano, E. Arrieta Diaz, M. A. Arroyave, M. Artero Pons, B. Aryal, J. Asaadi, M. Ascencio, A. Ashkenazi, L. Asquith, M. S. Athar, E. Atkin, A. Aurisano, V. Aushev, D. Autiero, M. B. Azam, F. Azfar, J. J. Back, Y. Bae, I. Bagaturia, L. Bagby, H. Bagdu, D. Baigarashev, S. Balasubramanian, A. Balboni, P. Baldi, W. Baldini, J. Baldonedo, B. Baller, B. Bambah, F. Barao, T. Barbera, D. Barbu, G. Barenboim, P. Barham Alzás, G. J. Barker, W. Barkhouse, E. Barlas Yucel, G. Barr, W. Barrett, D. Barrow, J. L. Barrow, A. Basharina-Freshville, A. Bashyal, V. Basque, M. Bassani, D. Basu, L. Bathe-Peters, J. B. R. Battat, F. Battisti, J. Bautista, F. Bay, J. L. L. Bazo Alba, J. F. Beacom, E. Bechetoille, A. Beever, B. Behera, E. Belchior, B. Bell, G. Bell, L. Bellantoni, G. Bellettini, V. Bellini, O. Beltramello, C. Benitez Montiel, D. Benjamin, A. Ben Porat, K. Benslama, F. Bento Neves, J. Berger, S. Berkman, J. Bernal, P. Bernardini, A. Bersani, E. Bertholet, E. Bertolini, S. Bertolucci, M. Betancourt, A. Betancur Rodríguez, Y. Bezawada, A. T. Bezerra, A. Bhat, V. Bhatnagar, M. Bhattacharjee, S. Bhattacharjee, M. Bhattacharya, S. Bhuller, B. Bhuyan, S. Biagi, J. Bian, K. Biery, B. Bilki, A. Binau, M. Bishai, A. Blake, A. Blanchet, F. D. Blaszczyk, G. C. Blazey, E. Blucher, A. Bodek, B. Bogart, J. Boissevain, T. Bolton, L. Bomben, M. Bonesini, C. Bonilla-Diaz, A. Booth, F. Boran, C. Borden, R. Borges Merlo, D. Borodulina, N. Bostan, G. Botogoske, B. Bottino, R. Bouet, J. Boza, B. Brahma, D. Brailsford, F. Bramati, A. Branca, A. Brandt, J. Bremer, S. J. Brice, S. Brickner, V. Brio, C. Brizzolari, C. Bromberg, J. Brooke, A. Bross, M. B. Brunetti, G. Buccino, N. Buchanan, H. Budd, J. Buergi, A. Bundock, D. Burgardt, S. Butchart, G. Caceres V., R. Calabrese, J. Calcutt, L. Calivers, S. Calvez, E. Calvo, A. Caminata, A. F. Camino, W. Campanelli, A. Campani, N. Canci, J. Capó, I. Caracas, D. Caratelli, G. Carini, M. F. Carneiro, P. Carniti, H. Carranza, N. Carrara, A. Carter, E. Casarejos, D. Casazza, J. F. Castaño Forero, F. A. Castaño, R. Castillo Fernandez, C. Castromonte, E. Catano-Mur, C. Cattadori, F. Cavalier, F. Cavanna, S. Centro, G. Cerati, C. Cerna, A. Cervelli, A. Cervera Villanueva, J. Chakrani, M. Chalifour, A. Chappell, A. Chatterjee, B. Chauhan, C. Chavez Barajas, H. Chen, M. Chen, W. C. Chen, Y. Chen, Z. Chen, D. Cherdack, S. S. Chhibra, F. Chiapponi, R. Chirco, K. Cho, S. Choate, G. Choi, D. Chokheli, O. Chow, B. Chowdhury, D. Christian, E. Church, M. F. Cicala, M. Cicerchia, V. Cicero, P. Clarke, J. Cleeve, G. Cline, A. G. Cocco, J. Collazo, J. Collot, H. Combs, J. M. Conrad, L. Conti, T. Contreras, M. Convery, S. Copello, P. Cova, C. Cox, L. Cremonesi, J. I. Crespo-Anadón, M. Crisler, E. Cristaldo, J. Crnkovic, G. Crone, R. Cross, A. Cudd, C. Cuesta, Y. Cui, F. Curciarello, D. Cussans, O. Dalager, W. Dallaway, R. D'Amico, H. da Motta, Z. A. Dar, R. Darby, L. Da Silva Peres, Q. David, G. S. Davies, S. Davini, C. Davis, J. Dawson, M. P. Decowski, A. de Gouvêa, P. C. De Holanda, P. De Jong, P. Del Amo Sanchez, G. De Lauretis, A. Delbart, M. Delgado, A. Dell'Acqua, G. Delle Monache, N. Delmonte, G. De Matteis, J. R. T. de Mello Neto, A. P. A. De Mendonca, D. M. DeMuth, S. Dennis, C. Densham, P. Denton, G. W. Deptuch, V. De Romeri, J. P. Detje, K. Dhanmeher, R. Dharmapalan, M. Dias, A. Diaz, J. S. Díaz, F. Díaz, F. Di Capua, A. Di Domenico, S. Di Domizio, S. Di Falco, D. Di Ferdinando, L. Di Giulio, P. Ding, L. Di Noto, E. Diociaiuti, G. Di Sciascio, C. Distefano, R. Di Stefano, R. Diurba, M. Diwan, Z. Djurcic, S. Dolan, M. Dolce, M. J. Dolinski, D. Domenici, S. Donati, S. Doran, D. Douglas, F. Drielsma, D. J. Drobner, D. Duchesneau, K. Duffy, K. Dugas, P. Dunne, S. Durando, B. Dutta, D. A. Dwyer, A. S. Dyshkant, S. Dytman, M. Eads, S. Edayath, J. Eisch, S. Elias, J. Ellis, W. Emark, P. Englezos, A. Ereditato, D. T. Ergonul, T. Erjavec, C. O. Escobar, J. J. Evans, E. Ewart, A. C. Ezeribe, K. Fahey, A. Falcone, C. Fang, M. Fani', F. Fanomezana, D. Faragher, C. Farnese, Y. Farzan, J. Felix, Y. Feng, C. Ferrari, M. Ferreira da Silva, E. Fialova, L. Fields, P. Filip, A. Filkins, F. Filthaut, G. Fiorillo, M. Fiorini, N. F. Fiuza De Barros, A. Flather, S. Fogarty, W. Foreman, B. Fossing, J. Franc, K. Francis, D. Franco, J. Franklin, J. Freeman, A. Friedland, S. Fuess, I. K. Furic, K. Furman, A. P. Furmanski, R. Gaba, A. Gabrielli, A. M Gago, F. Galizzi, H. Gallagher, M. Galli, N. Gallice, V. Galymov, E. Gamberini, T. Gamble, R. Gan, R. Gandhi, S. Ganguly, F. Gao, S. Gao, A. Garcia, D. Garcia-Gamez, M. Á. García-Peris, V. Garcia Pol, F. Gardim, S. Gardiner, P. Gauzzi, S. Gent, A. C. Germer, A. Ghosh, A. Ghosh, T. Giammaria, D. Gibin, I. Gil-Botella, A. Gioiosa, S. Giovannella, A. K. Giri, D. Gnani, O. Gogota, S. Gollapinni, K. Gollwitzer, R. A. Gomes, L. S. Gomez Fajardo, C. Gonzalez, D. Gonzalez-Diaz, J. Gonzalez-Santome, M. C. Goodman, S. Goswami, C. Gotti, J. Goudeau, C. Grace, E. Gramellini, R. Gran, E. Granados, P. Granger, C. Grant, D. R. Gratieri, P. Green, S. Greenberg, W. C. Griffith, K. Grzelak, L. Gu, W. Gu, M. Guarise, R. Guenette, D. Guffanti, A. Guglielmi, F. Y. Guo, A. Gupta, V. Gupta, G. Gurung, D. Gutierrez, P. Guzowski, M. M. Guzzo, S. Gwon, A. Habig, R. Hafeji, L. Hagaman, A. Hahn, J. Hakenmüller, A. Hambardzumyan, T. Hamernik, P. Hamilton, M. Handley, F. Happacher, B. Harris, D. A. Harris, L. Harris, A. L. Hart, J. Hartnell, T. Hartnett, T. Hasegawa, C. M. Hasnip, K. Hassinin, R. Hatcher, S. Hawkins, J. Hays, M. He, A. Heavey, K. M. Heeger, A. Heindel, J. Heise, K. Heller, P. Hellmuth, L. Henderson, A. Hergenhan, J. Hernández, M. A. Hernandez Morquecho, K. Herner, V. Hewes, A. Higuera, K. Hildebrandt, A. Himmel, E. Hinkle, L. R. Hirsch, J. Ho, A. Holin, G. A. Horton-Smith, R. Hosokawa, T. Houdy, B. Howard, I. Hristova, M. S. Hronek, Y. Hua, J. Huang, R. G. Huang, X. Huang, Z. Hulcher, A. Hussain, N. Ilic, A. M. Iliescu, R. Illingworth, G. Ingratta, A. Ioannisian, M. Ismerio Oliveira, C. M. Jackson, A. Jacobi, V. Jain, C. James, E. James, R. James, S. Jana, W. Jang, B. Jargowsky, C. Jiang, J. Jiang, X. Jin, A. Jipa, J. H. Jo, A. M. Johnson, W. Johnson, C. Jollet, M. Joshi, N. Jovancevic, M. Judah, C. K. Jung, K. Y. Jung, T. Junk, Y. Jwa, M. Kabirnezhad, A. C. Kaboth, I. Kadenko, O. Kalikulov, M. Kandemir, S. Kar, C. Karagianni, G. Karagiorgi, G. Karaman, A. Karcher, Y. Karyotakis, L. Kashur, A. Kauther, N. Kazaryan, L. Ke, E. Kearns, P. T. Keener, A. Kelly, K. J. Kelly, J. Kerby, D. Kereibay, Y. Kermaidic, W. Ketchum, S. H. Kettell, N. Khan, A. Khvedelidze, J. Kim, M. J. Kim, S. Kim, B. King, M. King, M. Kirby, A. Kish, J. Klein, J. Kleykamp, T. Kobilarcik, L. Koch, L. W. Koerner, D. H. Koh, K. Kong, M. Kordosky, V. A. Kostelecký, I. Kotler, M. Kramer, F. Krennrich, T. Kroupova, S. Kubota, M. Kubu, V. A. Kudryavtsev, G. Kufatty, A. Kumar, A. Kumar, J. Kumar, M. Kumar, P. Kumar, S. Kumaran, J. Kunzmann, V. Kus, T. Kutter, T. Labree, M. Lachat, T. Lackey, A. Lambert, B. J. Land, C. E. Lane, N. Lane, K. Lang, M. Langstaff, F. Lanni, S. Lanzi, J. Larkin, P. Lasorak, D. Last, W. Lavrijsen, H. Lay, I. Lazanu, M. Lazzaroni, S. Leardini, J. Learned, G. Lehmann Miotto, R. Lehnert, S. Lehrman, M. Leitner, H. Lemoine, D. Leon Silverio, L. M. Lepin, J. D. Lewis, J. -Y Li, S. W. Li, Y. Li, R. C. R. Lima, C. S. Lin, D. Lindebaum, S. Linden, A. Lister, B. R. Littlejohn, J. Liu, Y. Liu, Y. Liu, M. Lkhagvadorj, S. Lockwitz, I. Lomidze, J. Lopez, N. López-March, A. Lopez Moreno, J. M. LoSecco, A. Lozano Sanchez, X. -G. Lu, M. Lucente, K. B. Luk, X. Luo, G. Lupi, E. Luppi, A. A. Machado, P. Machado, C. T. Macias, J. R. Macier, L. Madern, S. Magill, K. Mahn, A. Maio, N. Majeed, K. Majumdar, P. K. Mal, S. Mameli, M. Man, R. C. Mandujano, J. Maneira, S. Manly, K. Manolopoulos, M. Manrique Plata, S. Manthey Corchado, L. Manzanillas-Velez, E. Mao, M. Marchan, A. Marchionni, D. Marfatia, C. Mariani, J. Maricic, F. Marinho, A. D. Marino, T. Markiewicz, F. Das Chagas Marques, M. Marshak, C. M. Marshall, J. Marshall, J. Martin, M. Martin, L. Martina, J. Martín-Albo, D. A. Martinez Caicedo, M. Martinez-Casales, F. Martínez López, V. Mascagna, A. Mastbaum, M. Masud, F. Matichard, J. Matthews, C. Mauger, N. Mauri, K. Mavrokoridis, I. Mawby, T. McAskill, N. McConkey, B. McConnell, K. S. McFarland, C. McGivern, C. McGrew, A. McNab, C. McNulty, J. Mead, L. Meazza, V. C. N. Meddage, A. Medhi, M. Mehmood, B. Mehta, P. Mehta, F. Mei, P. Melas, L. Mellet, O. Mena, D. P. Méndez, A. Menegolli, G. Meng, A. Mengarelli, A. Meregaglia, G. Merino, M. D. Messier, S. Metallo, M. Mewes, H. Meyer, T. Miao, J. Micallef, G. Michna, R. Milincic, F. Miller, G. Miller, W. Miller, A. Minotti, L. Miralles Verge, C. Mironov, S. Miscetti, P. Mishra, S. R. Mishra, D. Mladenov, I. Mocioiu, A. Mogan, P. S. Mohan, R. Mohanta, T. A. Mohayai, J. Molina, L. Molina Bueno, E. Montagna, A. Montanari, C. Montanari, D. Montanari, D. Montanino, L. M. Montaño Zetina, M. Mooney, A. F. Moor, M. Moore, Z. Moore, B. Moreira, D. Moreno, G. Moreno-Granados, O. Moreno-Palacios, L. Morescalchi, A. Morita, E. Motuk, C. A. Moura, W. Mu, L. Mualem, J. Mueller, M. Muether, N. Mujica-Schwahn, Y. Mukhamejanov, A. Mukhamejanova, E. Muldoon, M. Mulhearn, D. Munford, L. J. Munteanu, H. Muramatsu, T. Murphy, A. Mytilinaki, J. Nachtman, Y. Nagai, S. Nagu, H. Nam, D. Naples, S. Narita, D. Navas-Nicolás, A. Navrer-Agasson, N. Nayak, M. Nebot-Guinot, J. K. Nelson, O. Neogi, J. Nesbit, C. Nesmith, M. Nessi, D. Newbold, M. Newcomer, L. Nguyen, R. Nichol, F. J. Nicolas-Arnaldos, A. Nielsen, A. Nikolica, J. Nikolov, E. Niner, X. Ning, A. Norman, N. Noroozi, A. Norrick, P. Novella, A. Nowak, J. A. Nowak, J. P. Ochoa-Ricoux, S. Oh, S. B. Oh, L. Olaya-Quemba, A. Olivier, T. Olson, Y. Onel, A. Oranday, G. D. Orebi Gann, A. I. R. Orimogunje, M. Osbiston, J. E. Ossa Sanchez, L. O'Sullivan, L. Otiniano Ormachea, L. Pagani, O. Palamara, S. Palestini, J. M. Paley, M. Pallavicini, C. Palomares, B. Pan, S. Pan, M. Panareo, P. Panda, V. Pandey, W. Panduro Vazquez, E. Pantic, V. Paolone, A. Papadopoulou, R. Papaleo, D. Papoulias, S. Paramesvaran, J. Park, J. Park, Y. Park, S. Parke, S. Parsa, M. Parvu, D. Pasciuto, S. Pascoli, L. Pasqualini, C. Pate, G. Patel, J. L. Paton, C. Patrick, L. Patrizii, R. B. Patterson, T. Patzak, A. Paudel, L. Paulucci, Z. Pavlovic, G. Pawloski, D. Payne, A. Peake, V. Pec, E. Pedreschi, L. Pelegrina-Gutiérrez, W. Pellico, E. Pennacchio, A. Penzo, O. L. G. Peres, Y. F. Perez Gonzalez, L. Pérez-Molina, C. Pernas, J. Perry, D. Pershey, G. Petrillo, C. Petta, R. Petti, M. Pfaff, V. Pia, G. M. Piacentino, L. Pickering, G. Piemonti, L. Pierini, F. Pietropaolo, M. Pimenta Sampaio, V. L. Pimentel, G. Pinaroli, S. Pincha, K. Pitts, P. Plesniak, K. Pletcher, K. Plows, C. Pollack, F. Polleri, T. Pollmann, F. Pompa, X. Pons, N. Poonthottathil, F. Poppi, J. Porter, L. G. Porto Paixao, M. Pozzato, R. Pradhan, L. Prais, T. Prakash, M. Prest, D. Pugnere, D. Pullia, X. Qian, J. Queen, J. Quelin-Lechevranton, J. L. Raaf, V. Radeka, J. Rademacker, F. Raffaelli, A. Rafique, U. Rahaman, A. Rahe, S. Rajagopalan, M. Rajaoalisoa, I. Rakhno, L. Rakotondravohitra, M. A. Ralaikoto, L. Ralte, L. Ralte, M. A. Ramirez Delgado, B. Ramson, A. Rappoldi, G. Raselli, T. Rath, P. Ratoff, R. Raut, R. Ray, H. Razafinime, R. F. Razakamiandra, E. M. Rea, J. S. Real, B. Rebel, R. Rechenmacher, M. Reggiani-Guzzo, J. Reichenbacher, S. D. Reitzner, E. Renner, S. Repetto, S. Rescia, F. Resnati, J. V. Restrepo Laverde, C. Reynolds, S. Riboldi, C. Riccio, G. Riccobene, J. S. Ricol, M. Rigan, A. Rikalo, A. Ritchie-Yates, D. Rivera, A. Rivetti, A. Robert, E. Robles, A. Roche, M. Roda, D. Rodas Rodríguez, J. Rodriguez Rondon, S. Rosauro-Alcaraz, D. Ross, M. Rossella, M. Ross-Lonergan, N. Roy, P. Roy, C. Royon, C. Rubbia, A. Ruggeri, G. Ruiz Ferreira, K. Rushiya, B. Russell, E. Sabater Andres, S. Sacerdoti, N. Saduyev, D. Sagar, S. Saha, S. K. Sahoo, N. Sahu, S. Sakhiyev, P. Sala, N. Sallin, S. Samanta, M. C. Sanchez, A. Sánchez-Castillo, P. Sanchez-Lucas, D. A. Sanders, S. Sanfilippo, G. Santoni, D. Santoro, N. Saoulidou, P. Sapienza, I. Sarcevic, I. Sarra, C. Sauer, L. Sauer, G. Savage, V. Savinov, A. Scaramelli, T. Schefke, H. Schellman, S. Schifano, P. Schlabach, D. W. Schmitz, A. W. Schneider, K. Scholberg, A. Schroeder, A. Schukraft, B. Schuld, S. Schwartz, A. Segade, H. Segal, E. Segreto, A. Selyunin, D. Senadheera, C. R. Senise, J. Sensenig, S. H. Seo, D. Seppala, M. H. Shaevitz, P. Shanahan, P. Sharma, R. Kumar, S. Sharma Poudel, K. Shaw, T. Shaw, J. Shen, C. Shepherd-Themistocleous, J. Shi, W. Shi, S. Shin, S. Shivakoti, A. Shmakov, I. Shoemaker, R. Shrock, M. Siden, J. Silber, L. Simard, J. Sinclair, G. Sinev, Jaydip Singh, jyotsna Singh, L. Singh, P. Singh, V. Singh, S. Singh Chauhan, R. Sipos, G. Sirri, K. Siyeon, K. Skarpaas, J. Smedley, J. Smith, R. S. Smith-Jones, J. Smolik, M. Smy, M. Snape, E. L. Snider, P. Snopok, M. Soares Nunes, H. Sobel, M. Soderberg, H. Sogarwal, C. J. Solano Salinas, S. Söldner-Rembold, N. Solomey, V. Solovov, W. E. Sondheim, T. Sonius, M. Sorbara, M. Sorel, J. Soto-Oton, A. Sousa, K. Soustruznik, D. Souza Correia, F. Spinella, J. Spitz, N. J. C. Spooner, D. Stalder, M. Stancari, L. Stanco, J. Steenis, R. Stein, H. M. Steiner, A. F. Steklain Lisbôa, J. Stewart, B. Stillwell, J. Stock, T. Stokes, T. Strauss, L. Strigari, W. Su, A. Surdo, L. Suter, A. Sutton, R. Svoboda, S. K. Swain, C. Sweeney, B. Szczerbinska, A. M. Szelc, A. Sztuc, A. Taffara, N. Talukdar, J. Tamara, H. A. Tanaka, S. Tang, N. Taniuchi, A. M. Tapia Casanova, A. Tapper, S. Tariq, E. Tatar, R. Tayloe, K. Tellez Giron Flores, P. Tennessen, M. Tenti, K. Terao, F. Terranova, S. Teruel, G. Testera, A. Thea, S. Thomas, A. Thompson, C. Thorpe, M. Timalsina, S. C. Timm, E. Tiras, V. Tishchenko, S. Tiwari, N. Todorović, L. Tomassetti, A. Tonazzo, D. Torres Muñoz, M. Torti, M. Tortola, Y. Torun, N. Tosi, D. Totani, M. Toups, C. Touramanis, V. Trabattoni, P. Trevarrow, E. Triller, S. Trilov, D. Trotta, W. H. Trzaska, Y. Tsai, Y. -T. Tsai, Z. Tsamalaidze, K. V. Tsang, N. Tsverava, S. Z. Tu, S. Tufanli, C. Tunnell, S. Turnberg, M. Tuzi, M. Tzanov, J. Ureña González, J. Urheim, T. Usher, H. Utaegbulam, S. Uzunyan, M. R. Vagins, P. Vahle, G. A. Valdiviesso, E. Valencia, R. Valentim da Costa Lima, Z. Vallari, E. Vallazza, J. W. F. Valle, R. Van Berg, D. V. Forero, A. Vannozzi, M. Van Nuland-Troost, F. Varanini, N. Vaughan, A. Vázquez-Ramos, J. Vega, G. Velev, J. Vences, A. Verdugo, M. Verzocchi, K. Vetter, M. Vicenzi, H. Vieira de Souza, C. Vignoli, C. Vilela, E. Villa, S. Viola, B. Viren, G. V. Stenico, R. Vizarreta, A. P. Vizcaya Hernandez, S. Vlachos, Q. Vuong, A. V. Waldron, L. Walker, H. Wallace, M. Wallach, J. Walsh, T. Walton, L. Wan, B. Wang, J. Wang, L. Wang, M. H. L. S. Wang, X. Wang, Y. Wang, Y. Wang, L. Warsame, M. O. Wascko, D. Waters, K. Wawrowska, A. Weber, C. M. Weber, M. Weber, H. Wei, A. Weinstein, D. Wermelinger, S. Westerdale, M. Wetstein, Q. Weyrich, K. Whalen, A. J. White, L. H. Whitehead, D. Whittington, M. M. Wiersma, M. J. Wilking, A. Wilkinson, C. Wilkinson, R. J. Wilson, P. Winter, J. Wolcott, J. Wolfs, T. Wongjirad, A. Wood, K. Wood, E. Worcester, M. Worcester, K. Wresilo, M. Wright, M. Wrobel, S. Wu, Z. Wu, J. Wyenberg, B. M. Wynne, Y. Xiao, Z. Xie, D. Xing, B. Yaeggy, A. Yahaya, N. Yahlali, E. Yandel, G. Yang, J. Yang, A. Yankelevich, L. Yates, U. Yevarouskaya, K. Yonehara, T. Young, B. Yu, H. Yu, J. Yu, K. Yu, X. Yu, W. Yuan, R. Zaki, J. Zalesak, L. Zambelli, B. Zamorano, A. Zani, L. Zazueta, G. P. Zeller, J. Zennamo, J. Zettlemoyer, C. Zhang, S. Zhang, Y. Zhang, L. Zhao, K. Zhu, E. D. Zimmerman, S. Zucchelli, A. Zummo, V. Zutshi, R. Zwaska
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
La Gran Caza de los Neutrinos: Un Juego Cósmico de Escondite
Imagina que el universo está lleno de mensajeros invisibles y fantasmales llamados neutrinos. Estas partículas diminutas son tan tímidas que pueden atravesar un año luz de plomo sólido sin chocar con un solo átomo. Atraviesan la Tierra, tu cuerpo y las paredes de tu casa billones de veces cada segundo, sin ser detectadas en absoluto. Durante décadas, los científicos han intentado atrapar a estos fantasmas para comprender un misterio masivo: ¿por qué existe nuestro universo?
La historia comienza con un truco extraño que juegan estas partículas. Los neutrinos vienen en tres "sabores": electrónico, muónico y tauónico; pero, mientras viajan, no se mantienen iguales. Se transforman, u "oscilan", de un sabor a otro. Este cambio de forma está gobernado por una receta secreta llamada "ángulos de mezcla" y un reloj oculto llamado "fase de violación de CP". Si estos ajustes son los adecuados, el universo podría haber creado más materia que antimateria durante el Big Bang, permitiendo que las estrellas, los planetas y nosotros existamos. Si fueran incorrectos, todo se habría aniquilado instantáneamente. El Experimento de Neutrinos en el Fondo Profundo (DUNE, por sus siglas en inglés) es una máquina masiva diseñada para atrapar a estos cambiaformas en acción, midiendo exactamente cómo cambian para resolver el rompecabezas de nuestra existencia.
La Misión del Artículo: Una Historia de Detective Bayesiano
Este artículo no presenta nuevos datos del experimento DUNE en sí, porque el experimento aún no ha terminado de recolectar sus pistas del mundo real. En su lugar, actúa como un maestro detective utilizando una nueva y poderosa herramienta para simular lo que sucederá cuando lleguen los datos reales. Los autores utilizaron un método estadístico llamado inferencia bayesiana (específicamente, un enfoque de Monte Carlo por Cadenas de Markov, o MCMC) para mapear la "sensibilidad" de DUNE. Piensa en esto como ejecutar un millón de simulaciones virtuales del experimento para ver qué tan bien será capaz de resolver el misterio bajo diferentes escenarios.
El principal hallazgo del artículo es que este enfoque bayesiano es increíblemente poderoso para desenredar la compleja red de relaciones entre las propiedades de los neutrinos. En el pasado, los científicos solían observar una variable a la vez, como intentar resolver un rompecabezas mirando una sola pieza. Este artículo muestra que, al mirar la imagen completa a la vez, pueden ver cómo encajan las piezas. Por ejemplo, encontraron una fuerte "danza" entre dos ángulos de mezcla específicos, sin2θ23 y sin2θ13. Cuando intentas medir uno, el otro intenta esconderse, creando un desenfoque confuso. El método bayesiano les permite ver la forma tetradimensional completa de este desenfoque, mostrando exactamente dónde es probable que se escondan los valores reales.
Uno de los descubrimientos más emocionantes del artículo es cuánto mejora el experimento cuando recibe ayuda de fuentes externas. Los autores simularon qué sucede si DUNE combina sus propios datos con mediciones precisas de θ13 provenientes de experimentos de reactor (experimentos de línea de base corta que actúan como una "referencia" para una parte del rompecabezas). Encontraron que añadir esta restricción externa cambia las reglas del juego. Sin ella, DUNE tiene dificultades para determinar si un ángulo específico está en su rango "superior" o "infer medio" (conocido como octante). Pero con los datos del reactor, la simulación muestra que DUNE puede rechazar la respuesta incorrecta con alta confianza, potencialmente descartando el octante incorrecto con un nivel de significancia de 3σ (una señal estadística muy fuerte) con una gran cantidad de datos (1000 kt-MW-yr).
El artículo también introduce una forma completamente nueva de observar los datos: el invariante de Jarlskog (J). Mientras que los estudios previos se centraban en los ángulos individuales, J es un único número que los combina a todos para medir la cantidad total de "violación de CP" (la asimetría materia-antimateria) de una manera que no depende de cómo se elijan etiquetar los ángulos. Los autores simularon la capacidad de DUNE para medir esto y encontraron que, incluso con una cantidad moderada de datos (200 kt-MW-yr), el experimento probablemente podría descartar la idea de que la CP se conserva (donde J=0) al nivel de 3σ si el valor real de la fase es −π/4. Esto significa que DUNE podría demostrar que los neutrinos son, de hecho, la razón por la cual el universo tiene materia, en lugar de solo antimateria.
Los autores son cuidadosos al señalar que estos son resultados de simulaciones, no mediciones finales. Utilizaron "conjuntos de datos Asimov", que son versiones perfectas e idealizadas de los datos que el experimento espera recolectar, para probar sus métodos. Excluyen explícitamente la idea de que ya han resuelto el misterio; más bien, han construido un mapa robusto y flexible que muestra exactamente cómo lo resolverá DUNE una vez que los datos reales comiencen a fluir. También demostraron que su método es lo suficientemente flexible como para añadir fácilmente nuevas restricciones más adelante, lo que lo convierte en una herramienta superior para el largo camino que tienen por delante. En resumen, este artículo es una prueba de concepto de que una forma de pensar sobre los datos, más holística y nueva, permitirá que DUNE vea los secretos de los neutrinos con una claridad sin precedentes.
Resumen Técnico: Un Enfoque Bayesiano para la Sensibilidad de Oscilación de Neutrinos de Largo Alcance de DUNE
Planteamiento del Problema
El Experimento de Neutrinos en el Fondo Profundo (DUNE, por sus siglas en inglés) tiene como objetivo realizar un estudio exhaustivo de la mezcla de neutrinos, centrándose específicamente en la determinación del orden de masa de los neutrinos, la medición de la violación de la paridad de carga (CPV) y mediciones de precisión de los parámetros de oscilación (δCP, θ13, θ23, Δm322). Si bien los estudios de sensibilidad previos de DUNE utilizaron métodos frecuentistas clásicos, estos enfoques pueden tener dificultades con la complejidad de los espacios de parámetros de alta dimensión, particularmente en lo que respecta a las correlaciones y degeneraciones de parámetros (por ejemplo, entre el octante de θ23 y θ13). Además, derivar la sensibilidad de cantidades derivadas y no lineales como el invariante de Jarlskog (J) —una medida de la violación de CP independiente de la parametrización— es computacionalmente difícil dentro del marco frecuentista. Este artículo aborda la necesidad de un marco estadístico flexible para evaluar la sensibilidad de DUNE, explorar las correlaciones multidimensionales y evaluar el impacto de las restricciones externas en las distribuciones posteriores.
Metodología
Los autores emplean un tratamiento estadístico bayesiano utilizando el muestreo de Cadenas de Markov Monte Carlo (MCMC), específicamente el algoritmo Metropolis–Rosenbluth–Rosenbluth–Teller–Teller (MR2T2), para extraer distribuciones de probabilidad posterior de los parámetros de oscilación.
- Muestreo Eficiente: Para abordar el costo computacional del muestreo de espacios complejos y de alta dimensión, los autores utilizan el algoritmo de Metropolis Adaptativo (AM). Este método actualiza iterativamente la matriz de covarianza de propuesta basada en los pasos dados en la cadena. Para optimizar aún más la eficiencia, la fase de ajuste se realiza sobre un subconjunto del 5% de los eventos de Monte Carlo (MC), ponderado al alza para coincidir con la tasa de datos prevista, antes de volver a la muestra completa para el ajuste final. Esto reduce los costos computacionales aproximadamente 15 veces para el ajuste y 50 veces para el muestreo en comparación con el ajuste manual de la covarianza.
- Reponderación de Priores: El marco permite la incorporación post-hoc de restricciones externas (como las mediciones de reactores de θ13) sin tener que volver a ejecutar las cadenas MCMC. Esto se logra reponderando las muestras existentes mediante la relación entre el nuevo prior y el antiguo prior.
- Marco de Análisis: El estudio utiliza el marco MaCh3 para modelar el flujo de neutrinos (G4LBNF), las interacciones de neutrinos (GENIE v2.12.10) y las respuestas del detector. Las incertidumbres sistemáticas (flujo, sección eficaz, detector) se implementan mediante funciones de respuesta agrupadas y matrices de covarianza. El análisis utiliza conjuntos de datos Asimov generados a partir de predicciones nominales de MC basadas en dos conjuntos distintos de parámetros verdaderos: el ajuste global NuFIT 6.0 (Orden Normal, octante inferior de θ23) y el mejor ajuste de la combinación T2K-NOvá (Orden Invertido, octante superior de θ23).
- Exposiciones: La sensibilidad se evalúa para dos escenarios de exposición: 200 kt-MW-año (que representa 2 módulos de detector y un haz de 1.2 MW) y 1000 kt-MW-año (alcance a largo plazo).
Contribuciones Clave
- Distribuciones de Probabilidad Posterior de Cuatro Dimensiones: El artículo presenta las primeras distribuciones de probabilidad posterior de 4D exhaustivas para DUNE, visualizando la estructura completa de correlación entre sin2θ23, sin2θ13, Δm322 y δCP. Esto resalta cómo los efectos de marginalización en las proyecciones de menor dimensión pueden ocultar los valores reales de los parámetros.
- Cuantificación de la Sensibilidad del Octante de θ23: El estudio cuantifica la sensibilidad al octante de θ23 utilizando factores de Bayes. Demuestra que la aplicación de una restricción gaussiana externa sobre sin2θ13 (derivada de experimentos de reactores) suprime significativamente la probabilidad posterior del octante "incorrecto", particularmente para el escenario de mejor ajuste de T2K-NOvA.
- Primer Estudio de la Sensibilidad del Invariante de Jarlskog: El artículo presenta el primer estudio de sensibilidad de DUNE al invariante de Jarlskog (J). Al evaluar J en cada paso de MCMC, los autores derivan distribuciones de probabilidad posterior para esta medida de violación de CP independiente de la parametrización sin modificar el ajuste subyacente.
Resultados
- Correlaciones de Parámetros: Con una exposición de 200 kt-MW-año, existen fuertes anti-correlaciones entre sin2θ23 y sin2θ13, y las degeneraciones impiden una preferencia definitiva por el octante de θ23. El punto de Densidad Máxima Posterior (HPD) en las proyecciones de 1D para sin2θ13 no se alinea con el valor real debido a estos efectos de marginalización, una discrepancia que solo se resuelve al observar la posterior de 2D completa.
- Impacto de la Exposición: El aumento de la exposición a 1000 kt-MW-año elimina significativamente las degeneraciones en todo el espacio de parámetros de 4D. La correlación entre δCP y otros parámetros se reduce, y la preferencia por el octante correcto se fortalece, haciendo que el HPD de la posterior de 1D de sin2θ13 se alinee con el valor real.
- Sensibilidad del Octante con Restricciones: Sin restricciones externas, el factor de Bayes para el octante correcto es bajo a 200 kt-MW-año. Sin embargo, la aplicación de la restricción de θ13 de reactores aumenta significativamente el factor de Bayes. Para el escenario de mejor ajuste de T2K-NOvA, esto resulta en un rechazo del octante incorrecto con una significancia de >3σ a una exposición de 1000 kt-MW-año.
- Invariante de Jarlskog (J): Para un δCP=−π/4 real, el estudio encuentra que la región de conservación de CP (J=0) se encuentra justo fuera del intervalo de credibilidad de 3σ a 200 kt-MW-año. A 1000 kt-MW-año, el ancho de la posterior se estrecha significativamente y la distribución se vuelve insensible a la elección del prior (uniforme en δCP frente a sinδCP). El análisis revela que DUNE restringe principalmente la amplitud combinada de violación de CP en lugar de los ángulos de mezcla individuales de forma aislada.
Significancia
El artículo sostiene que el marco bayesiano ofrece una herramienta robusta y flexible para caracterizar el espacio completo de parámetros de las oscilaciones de neutrinos, particularmente para manejar las complejas correlaciones y degeneraciones que son difíciles de visualizar o cuantificar utilizando métodos frecuentistas. La capacidad de incorporar fácilmente restricciones externas y derivar distribuciones de probabilidad posterior para cantidades derivadas no lineales, como el invariante de Jarlskog, representa un avance metodológico significativo para la colaboración DUNE. Los resultados subrayan el papel crítico de las restricciones externas de θ13 para resolver la ambigüedad del octante de θ23 y demuestran el potencial de DUNE para proporcionar una medida de la violación de CP independiente de la parametrización en el sector leptónico.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.
Recibe los mejores artículos de high-energy experiments cada semana.
Utilizado por investigadores de Stanford, Cambridge y la Academia Francesa de Ciencias.
Revisa tu bandeja de entrada para confirmar tu suscripción.
Algo salió mal. ¿Intentar de nuevo?
Sin spam, cancela cuando quieras.