Diffusion-model approach to flavor models: A case study for $S_4^\prime$ modular flavor model

Résumé technique : Approche par modèles de diffusion pour les modèles de saveur : Étude de cas d'un modèle de saveur modulaire $S'_4$

Énoncé du problème
Les modèles de saveur, qui visent à expliquer les motifs des masses et des mélanges des fermions, reposent souvent sur des symétries de saveur (telles que les symétries modulaires) qui sont brisées par la valeur moyenne dans le vide (VEV) d'un champ scalaire (flavon). Bien que les symétries contraignent la structure, la réalisation quantitative de structures de saveur réalistes dépend de paramètres libres au sein du modèle, y compris le champ modulaire $\tau$. Les méthodes numériques traditionnelles, telles que les simulations de Monte-Carlo, rencontrent des défis significatifs dans ce contexte. Les résultats de ces optimisations sont hautement sensibles aux valeurs initiales des paramètres, rendant difficile l'exploration efficace du vaste paysage théorique et l'identification de motifs de saveur réalistes, en particulier dans les régions où l'évaluation analytique est difficile (par exemple, pour de petites valeurs de $\text{Im}[\tau]$).

Méthodologie
Les auteurs proposent un cadre numérique utilisant des modèles de diffusion conditionnels, une classe d'intelligence artificielle générative, pour résoudre le problème inverse en physique des saveurs : générer des paramètres de modèle ($G$) qui reproduisent des observables expérimentales spécifiques ($L$).

1. Architecture du modèle : L'étude emploie des modèles probabilistes de diffusion de débruitage (DDPM) avec guidage sans classificateur (CFG).

   • Processus direct : Du bruit est ajouté progressivement à un ensemble de paramètres de modèle initiaux $G$ (paramètres libres tels que les couplages de Yukawa et le module $\tau$) pour créer une série de points de données bruités $x_t$.
   • Processus inverse : Un réseau de neurones est entraîné à prédire le bruit ajouté à chaque étape, conditionné par une étiquette $L$ représentant des observables physiques (masses des quarks, éléments de la matrice CKM et invariant de Jarlskog). En partant d'un bruit pur et en le retirant itérativement sur la base de la prédiction de bruit apprise et de la condition $L$, le modèle génère de nouveaux ensembles de paramètres $G$.
   • Conception du réseau : Un réseau de neurones entièrement connecté avec des fonctions d'activation SELU est utilisé. L'entrée comprend les données bruitées $x_t$, l'étape de temps $t$ et l'étiquette conditionnelle $L$. La sortie est le bruit prédit. Le réseau est entraîné pour minimiser l'erreur quadratique moyenne (MSE) entre le bruit réel et le bruit prédit.
   • Apprentissage par transfert : Pour améliorer la précision, un processus d'entraînement en deux étapes est mis en œuvre. D'abord, un « pré-réseau » est entraîné sur des données générées aléatoirement. Ensuite, le réseau est « affiné » en utilisant le sous-ensemble de données généré par le pré-réseau qui a satisfait un seuil préliminaire de $\chi^2$.

2. Étude de cas : La méthode est appliquée au modèle de saveur modulaire $S'_4$ en se concentrant sur le secteur des quarks.

   • Entrée ($G$) : 10 paramètres, incluant les rapports des coefficients de couplage de Yukawa ($\alpha, \beta$) et les parties réelle et imaginaire du module $\tau$.
   • Sortie/Étiquette ($L$) : 16 composantes représentant les rapports de masses logarithmiques ($m_u/m_t, m_c/m_t$, etc.), les valeurs absolues des éléments de la matrice CKM, et le signe/logarithme de l'invariant de Jarlskog.
   • Contraintes : Le modèle suppose des coefficients réels pour les couplages de Yukawa afin de tester la violation de CP spontanée découlant uniquement du module $\tau$.

Résultats clés
L'étude a démontré avec succès l'efficacité du modèle de diffusion pour trouver des régions de paramètres phénologiquement viables pour le modèle $S'_4$ :

• Efficacité et précision : Le modèle de diffusion, en particulier après affinage, a considérablement amélioré le taux de réussite de la génération de paramètres correspondant aux données expérimentales. Alors que le pré-réseau a produit un taux de réussite d'environ 2,59 % pour $\chi^2 < 8,0 \times 10^4$, le réseau affiné a porté ce taux à environ 5,95 % et a produit 17 solutions avec $\chi^2 < 200$ sur $9 \times 10^6$ échantillons générés.
• Découverte de nouvelles régions de paramètres : Le modèle a identifié des solutions viables où la partie imaginaire du module, $\text{Im}[\tau]$, est concentrée autour de 2,2. Cette région est plus petite que les valeurs optimales ($\text{Im}[\tau] \sim 2,8$) trouvées dans la littérature précédente, démontrant la capacité du modèle à explorer des espaces de paramètres difficiles d'accès via l'optimisation traditionnelle en raison de la sensibilité aux conditions initiales.
• Violation de CP spontanée : Une découverte cruciale est la confirmation de la violation de CP spontanée au sein du modèle $S'_4$. En traitant tous les coefficients de couplage de Yukawa comme des nombres réels, le modèle a réussi à reproduire l'invariant de Jarlskog observé ($J \approx 2,87 \times 10^{-5}$) uniquement grâce à la phase complexe du module $\tau$ (spécifiquement sa partie réelle, $\text{Re}[\tau]$). La valeur médiane de l'invariant de Jarlskog généré était de $2,49 \times 10^{-5}$, comparable à la valeur expérimentale.
• Solutions spécifiques : La meilleure solution trouvée (le $\chi^2$ le plus bas = 74,4) a fourni des valeurs spécifiques pour les rapports de couplage et $\tau$ ($\text{Re}[\tau] = 0,2825, \text{Im}[\tau] = 2,2400$) qui ont reproduit les masses des quarks et les angles de mélange dans les plages expérimentales de $1\sigma$.

Signification et affirmations
L'article affirme que l'approche par modèles de diffusion offre une alternative polyvalente et efficace aux méthodes d'optimisation traditionnelles pour l'analyse des modèles de saveur. Sa signification principale réside dans :

1. Capacité de problème inverse : Elle permet une cartographie directe des données expérimentales vers des paramètres de modèle plausibles, évitant le besoin d'un réglage manuel des valeurs initiales.
2. Indépendance du modèle : Le cadre n'est pas lié aux détails spécifiques d'un modèle de saveur, suggérant qu'il peut être appliqué à d'autres modèles de saveur modulaires ou étendu au secteur des leptons avec des modifications architecturales minimales (principalement le changement d'échelle des dimensions d'entrée/sortie).
3. Exploration de régions difficiles : La méthode peut révéler des régions de paramètres « semi-réalistes » difficiles à capturer analytiquement ou via des recherches numériques standard, telles que les valeurs spécifiques de $\text{Im}[\tau]$ identifiées dans cette étude.
4. Insight physique : La capacité à générer des solutions avec des coefficients réels qui produisent néanmoins une violation de CP met en évidence l'utilité du modèle pour tester les hypothèses fondamentales sur l'origine de la violation de CP en physique des saveurs.

Les auteurs concluent que, bien que l'étude actuelle se soit concentrée sur le secteur des quarks avec un ensemble fixe de représentations et de poids, le modèle de diffusion sert d'outil analytique puissant pour extraire de nouvelles prédictions physiques et pourrait être combiné à d'autres techniques d'apprentissage automatique (comme l'apprentissage par renforcement) pour automatiser la sélection des structures de modèles dans les recherches futures.