From Harmonic Oscillators to Multiplicity Distributions in Particle Production Processes

Resumen Técnico: De Osciladores Armónicos a Distribuciones de Multiplicidad en Procesos de Producción de Partículas

Planteamiento del Problema
En eventos de colisiones de alta energía, el número total de partículas producidas ($N$) fluctúa de un evento a otro, formando una distribución de multiplicidad $P(N)$. Si bien la distribución de Poisson sirve como base para fuentes independientes, los datos experimentales de colisiones $pp$, $pA$ y $AA$ exhiben consistentemente fluctuaciones mayores que las de Poisson, descritas típicamente por la Distribución Binomial Negativa (NBD). Sin embargo, los estudios fenomenológicos existentes suelen recurrir a distribuciones de múltiples componentes para describir las desviaciones observadas en las regiones de alta multiplicidad. Este artículo aborda la necesidad de un marco teórico unificado que pueda explicar tanto el comportamiento estándar de la NBD como las desviaciones en altas multiplicidades utilizando la teoría de la información y la mecánica estadística, sin necesidad de invocar modelos complejos de múltiples componentes.

Metodología
Los autores proponen un marco basado en osciladores armónicos, donde los niveles de energía $\omega_i$ corresponden a los valores centrales de los intervalos de momento y los números de ocupación $n_i$ representan el número de partículas en esos intervalos. La multiplicidad total se define como $N = \sum n_i$.

El estudio procede en dos regímenes estadísticos principales:

1. Estadística de Boltzmann-Gibbs (BG): Los autores maximizan la entropía de Shannon sujeta a la normalización de probabilidad y restricciones de energía media fijas. Analizan tanto osciladores de un solo modo como de múltiples modos.
2. Estadística No Aditiva (Tsallis): Para dar cuenta de las correlaciones de largo alcance y los efectos de memoria prevalentes en colisiones de alta energía, el marco se generaliza utilizando la entropía de Tsallis. Esto introduce un parámetro no aditivo $q$ y relaja la suposición de microestados independientes.

La derivación implica el cálculo de funciones de partición y distribuciones de probabilidad para sistemas de osciladores degenerados (frecuencia idéntica) y no degenerados. Los autores también investigan las funciones generadoras $G(z)$ para estas distribuciones, explorando sus estructuras matemáticas, incluyendo conexiones con funciones especiales como la función zeta de Barnes y la función trascendente de Lerch.

Contribuciones Clave y Resultados

• Derivación de la NBD a partir de la Estadística BG:
  Partiendo de la entropía de Shannon, los autores demuestran que un sistema de $k$ osciladores armónicos degenerados en estadística BG produce la Distribución Binomial Negativa (NBD) (Ec. 8).
  $$P_D(N) = \frac{(N+k-1)!}{N!(k-1)!} p^N (1-p)^k$$
  donde $p = e^{-\beta\omega}$. Además, muestran que a medida que el número de osciladores $k \to \infty$ con una multiplicidad media fija, esta distribución converge a la distribución de Poisson.

• NBD Generalizada (gNBD) a partir de la Estadística No Aditiva:
  Al maximizar la entropía de Tsallis, los autores derivan una Distribución Binomial Negativa generalizada (gNBD) para osciladores degenerados (Ec. 21):
  $$P_D(N) = \frac{1}{Z_q} \frac{(N+k-1)!}{N!(k-1)!} [1 + (q-1)\beta\omega N]^{-\frac{1}{q-1}}$$
  Esta distribución incorpora el parámetro entrópico $q$. Los autores observan que, para conjuntos de datos específicos, la gNBD proporciona una descripción superior de la multiplicidad de partículas en la región de alta multiplicidad en comparación con la NBD estándar, ofreciendo una alternativa potencial a las distribuciones de múltiples componentes utilizadas actualmente en la fenomenología.

• Generalización Matemática (Función Zeta de Barnes de tipo Lerch):
  En el análisis de osciladores multimodales no degenerados bajo la estadística de Tsallis, los autores encuentran una función generadora que identifican como una "generalización de tipo Lerch" de la función zeta de Barnes (Ec. 24).
  $$G(z) = \frac{\Phi_B(z, 1/(q-1), \lambda|\{a_i\})}{\zeta_B(1/(q-1), \lambda|\{a_i\})}$$
  El artículo señala que, si bien existen casos especiales de estas funciones en la literatura, esta forma generalizada específica no ha sido estudiada previamente en el contexto de la estadística no aditiva o la generación de multiplicidad.

• Aplicación Fenomenológica:
  El marco se prueba contra datos experimentales de CMS para colisiones $pp$a$\sqrt{s} = 900$GeV y$7$ TeV a través de diferentes ventanas de rapidez ($|\eta| < 0.5$ y $|\eta| < 2$).

  • Baja Multiplicidad: Tanto la NBD estándar como la gNBD describen los datos satisfactoriamente.
  • Alta Multiplicidad: La NBD estándar se desvía de las observaciones experimentales en valores de $N$ más altos. La gNBD, sin embargo, describe con éxito estos puntos de datos de alta multiplicidad.
  • Parámetro $q$: Los ajustes arrojan valores de $q < 1$. Los autores señalan que este es un caso raro en física de altas energías donde el parámetro entrópico es sub-unitario. Sugieren que esto puede explicarse mediante una imagen de "reservorio finito", donde el sistema observado interactúa con una parte no observada que actúa como un reservorio con un número finito de grados de libertad.

Significancia y Reivindicaciones
El artículo afirma proporcionar un origen de información unificado para las distribuciones de multiplicidad, vinculando la NBD fenomenológica directamente a un sistema de osciladores armónicos degenerados. Su principal significancia radica en demostrar que la gNBD, derivada de la estadística no aditiva, puede describir datos de alta multiplicidad que típicamente requieren ajustes de múltiples componentes, simplificando así la descripción fenomenológica.

Los autores afirman modestamente que, si bien la gNBD ofrece una alternativa prometedora, "se requiere un análisis más exhaustivo para asegurar esta conclusión". También destacan la novedad matemática de la generalización de tipo Lerch de la función zeta de Barnes derivada, sugiriendo que amerita un estudio analítico adicional. Finalmente, proponen que el marco podría extenderse a otros observables como la inelasticidad y las correlaciones frente a atrás (forward-backward), aunque esto queda reservado para trabajos futuros.