Extracting Mellin moments of double parton distributions from lattice data

Cet article examine l'impact de l'asymétrie cinématique sur la reconstruction des moments de Mellin des distributions de double parton à partir de données de réseau euclidien en analysant, à travers divers modèles, la dépendance de l'asymétrie des fonctions de corrélation hadroniques.

L'essentiel

Imaginez le proton non pas comme une bille solide, mais comme une ville animée et chaotique remplie de minuscules habitants invisibles appelés partons (quarks et gluons). Les physiciens passent depuis des décennies à cartographier la « densité de population » de cette ville — sachant combien d'habitants vivent dans différents quartiers et à quelle vitesse ils se déplacent. Cette carte s'appelle une Fonction de Distribution de Partons (PDF).

Cependant, la ville est si complexe que parfois, deux habitants interagissent avec le monde extérieur exactement au même moment. Cela s'appelle la Diffusion Double de Partons. Pour comprendre cela, nous avons besoin d'une nouvelle carte, beaucoup plus complexe, appelée Distribution Double de Partons (DDP). Cette carte ne nous dit pas seulement où se trouve un habitant ; elle nous indique la probabilité de trouver deux habitants spécifiques à des endroits précis, se déplaçant à des vitesses spécifiques, tous en même temps.

Le problème ? Cette nouvelle carte est incroyablement difficile à tracer. Nous ne pouvons pas simplement regarder le proton au microscope ; les règles de la mécanique quantique rendent impossible de tout voir en même temps.

La « Machine à remonter le temps » du Réseau

Pour résoudre ce problème, les physiciens utilisent une méthode informatique appelée QCD sur réseau. Imaginez cela comme une série de clichés figés de la ville du proton. En raison du fonctionnement de ces clichés (ils existent dans le temps « euclidien », qui est un peu comme un miroir mathématique de notre monde réel), l'ordinateur ne peut voir les habitants qu'à des distances spécifiques et limitées les uns des autres.

Pour obtenir l'image complète de la DDP, les physiciens doivent combiner tous ces clichés en un seul film continu. Mathématiquement, cela nécessite d'additionner (intégrer) des informations sur une variable qu'ils appellent le temps d'Ioffe (appelons-le « Décalage-Temps »).

Voici le hic : l'ordinateur ne peut prendre des clichés que pendant une courte période de « Décalage-Temps ». C'est comme essayer de reconstituer un film de deux heures alors que vous n'avez que dix minutes de séquences. Vous devez deviner ce qui se passe dans les parties manquantes.

La torsion de la « Skewness »

Dans leurs travaux précédents, les auteurs ont essayé de deviner les parties manquantes en supposant une courbe simple et lisse (un polynôme). Ils ont introduit une variable appelée Skewness (appelons-la « Inclinaison »).

• Inclinaison = 0 : C'est l'état normal qui nous intéresse pour la Diffusion Double de Partons.
• Inclinaison = 1 : C'est un état étrange et extrême où les deux habitants portent presque toute la quantité de mouvement du proton, ne laissant rien pour le reste de la ville.

Les auteurs ont réalisé que leur devinette précédente de « courbe lisse » présentait deux défauts majeurs :

1. Le problème du bord : Leur courbe lisse ne tombait pas à zéro assez rapidement lorsque l'« Inclinaison » devenait extrême (près de 1). La physique suggère que dans cet état extrême, la probabilité de trouver une telle configuration devrait disparaître presque instantanément, comme un bord de falaise, et non une pente douce.
2. Le problème de la régularité : Ils supposaient que la courbe était parfaitement lisse partout. Mais la physique suggère qu'au tout centre (Inclinaison = 0) et au tout bord (Inclinaison = 1), la courbe pourrait avoir un « coude » ou un point vif, un peu comme l'ombre change brusquement lorsqu'une source lumineuse se déplace.

Les nouveaux modèles

Dans cet article, l'équipe a testé quatre nouvelles façons de deviner les séquences manquantes, conçues pour respecter ces « bords de falaise » et ces « coudes » :

1. La loi de puissance : Une courbe qui chute brusquement aux bords.
2. Le modèle intégral : Une forme basée sur la façon dont les particules se séparent lors de collisions à haute énergie.
3. Le modèle cosinus : Une forme ondulatoire qui peut être ajustée pour avoir des bords nets ou lisses.
4. Le polynôme (ancienne méthode) : La courbe lisse qu'ils utilisaient auparavant, conservée pour comparaison.

Les résultats : un puzzle avec des pièces manquantes

L'équipe a alimenté leurs données informatiques dans ces nouveaux modèles pour voir lequel correspondait le mieux.

• Les bonnes nouvelles : Tous les nouveaux modèles s'ajustaient très bien aux données informatiques disponibles. Ils s'accordaient tous sur le « milieu » de l'histoire (le comportement à une Inclinaison modérée).
• Les mauvaises nouvelles : Lorsqu'ils ont essayé d'utiliser ces modèles pour reconstituer la partie la plus importante de la carte — Inclinaison = 0 (l'événement réel de Diffusion Double de Partons) — les résultats étaient extrêmement incertains.
  • Parce que les données informatiques deviennent très « bruyantes » (floues) aux extrémités du « Décalage-Temps » (là où se trouvent les séquences manquantes), les différents modèles donnaient des réponses très différentes pour le centre.
  • Certains modèles prédisaient une valeur de 2 (ce que dit une règle fondamentale appelée la « Règle de la somme des nombres »).
  • D'autres prédisaient des valeurs complètement fausses, ou avaient de grandes barres d'erreur (intervalles d'incertitude) qui étaient des centaines de fois plus grandes que la valeur elle-même.

La conclusion

Les auteurs concluent que nous ne pouvons pas encore reconstituer parfaitement la Distribution Double de Partons au point le plus critique (Inclinaison = 0) en utilisant uniquement les données informatiques actuelles.

C'est comme avoir un puzzle où vous avez toutes les pièces des coins et du milieu, mais les pièces qui les relient manquent. Vous pouvez deviner la forme du puzzle, mais vous ne pouvez pas être sûr exactement comment les pièces s'assemblent au centre sans plus d'informations.

Pour régler cela, ils disent que nous avons besoin de meilleures données informatiques qui sont moins « bruyantes » aux extrémités du « Décalage-Temps ». D'ici là, ils doivent s'appuyer sur des règles théoriques supplémentaires (comme la Règle de la somme des nombres) pour forcer la réponse à être correcte, plutôt que de laisser les données parler d'elles-mêmes.

En résumé : Ils ont construit de meilleurs outils pour deviner la forme d'une carte quantique complexe, mais ils ont découvert que leurs « photos » actuelles du proton ne sont pas assez nettes pour voir clairement le détail le plus important. Ils ont besoin de photos plus nettes pour finir le travail.

Résumé technique

Résumé technique : Extraction des moments de Mellin des distributions de double parton à partir de données de réseau

Énoncé du problème
Les distributions de double parton (DPD) décrivent les corrélations quantiques entre deux partons au sein d'un proton et sont essentielles pour comprendre les interactions multipartoniques, en particulier la diffusion de double parton (DPS) dans des collisionneurs comme le LHC. Alors que les distributions de parton unique (PDF) sont bien contraintes, les DPD restent mal comprises en raison de leur complexité et des difficultés d'extraction expérimentale. La QCD sur réseau offre une approche non perturbative pour contraindre les DPD. Plus précisément, les moments de Mellin des DPD peuvent être reliés à des éléments de matrice hadroniques de deux courants locaux à différentes positions spatiales. Cependant, la reconstruction de ces moments à partir de données de réseau euclidiennes nécessite une intégration sur une variable $\omega$ (temps d'Ioffe) qui varie de $-\infty$ à $+\infty$. Les simulations sur réseau sont limitées à une plage finie de $\omega$. Pour y remédier, les auteurs ont précédemment introduit un paramètre de « skewness » $\zeta$, conjugué de Fourier à $\omega$, où les DPD physiques correspondent à $\zeta = 0$. Le défi réside dans la détermination de la dépendance fonctionnelle des moments de Mellin par rapport à $\zeta$ afin d'effectuer la transformée de Fourier inverse nécessaire sans introduire de biais incontrôlés.

Méthodologie
Les auteurs réexaminent l'extraction du moment de Mellin le plus bas des DPD, $I_{q_1q_2}(\zeta, y^2)$, en utilisant les données de réseau existantes de l'ensemble CLS H102 ($N_f=2+1$). La méthodologie se déroule en trois étapes principales :

1. Contraintes théoriques : L'article établit deux propriétés physiques critiques pour la dépendance en $\zeta$ des moments de Mellin qui n'étaient pas entièrement satisfaites par les ansatz polynomiaux précédents :

   • Les moments doivent s'annuler rapidement lorsque $|\zeta| \to 1$.
   • Les moments peuvent présenter un comportement non analytique en $\zeta = 0$ et $\zeta = 1$, analogue au comportement des PDF aux fractions d'impulsion $x=0$ et $x=1$.
     Ces propriétés sont dérivées des régions de support des DPD skewées et des mécanismes de division perturbatifs dans la limite des petites distances.

2. Analyse des données de réseau : L'étude utilise des fonctions de corrélation à quatre points de deux courants vectoriels dans un état proton. La fonction invariante $A_{q_1q_2}(\omega, y^2)$ est extraite des données de réseau. L'analyse se concentre sur la combinaison de saveurs $ud$ en raison d'une précision statistique supérieure par rapport aux combinaisons de saveurs égales. Les données sont restreintes à une plage de distances $4a \le y \le 14a$ pour minimiser les effets de discrétisation et de taille finie.

3. Modélisation et ajustement : Les auteurs supposent une factorisation de la dépendance en $\zeta$ et $y$, $I(\zeta, y^2) = J(\zeta)K(y^2)$. Ils ajustent la dépendance en $\omega$ normalisée des données de réseau, $\hat{A}(\omega)$, aux transformées de Fourier de plusieurs nouveaux ansatz pour $J(\zeta)$ :

   • Modèle polynomial : L'approche précédente (polynôme en $\zeta^2$).
   • Modèle en loi de puissance : Proportionnel à $(1-|\zeta|)^a$.
   • Modèle intégral : Basé sur une représentation intégrale inspirée de la division perturbative.
   • Modèle cosinus : Proportionnel à $\cos^b(\frac{\pi}{2}|\zeta|^a)$.

   Des ajustements sont effectués à la fois globalement et dans des intervalles étroits de $y$ pour tester l'hypothèse de factorisation. De plus, des ajustements contraints sont réalisés où les paramètres sont fixés pour satisfaire la règle de somme des nombres ($S_{ud} = 2$).

Résultats clés

• Comparaison des modèles : Le modèle polynomial, bien qu'il fournisse un bon ajustement aux données de réseau dans l'espace $\omega$, ne satisfait pas les conditions aux limites physiques (non-annulation en $\zeta=1$ et régularité en $\zeta=0$). Les nouveaux modèles (loi de puissance, intégral, cosinus) satisfont ces conditions et fournissent des ajustements tout aussi bons aux données.
• Incertitude de reconstruction : Lors de l'ajustement avec deux paramètres libres, les nouveaux modèles flexibles produisent des incertitudes extrêmement grandes pour le moment de Mellin en $\zeta=0$ (la limite DPD physique). Par exemple, le modèle intégral donne une valeur de $4.4 \pm 938.4$ pour la quantité de règle de somme, malgré l'attente théorique de 2. Cela indique que les données de réseau, en particulier à grand $|\omega|$, sont insuffisantes pour contraindre le comportement de la fonction près de $\zeta=0$ sans apport théorique supplémentaire.
• Ajustements contraints : Fixer un paramètre dans les nouveaux modèles pour imposer la règle de somme des nombres ($S_{ud}=2$) aboutit à des reconstructions stables et lisses des moments de Mellin qui sont cohérentes avec les données.
• Skewness moyenne : Tous les ajustements donnent systématiquement une petite skewness moyenne au carré, $\langle \zeta^2 \rangle \approx 0.07$, suggérant que les configurations de partons avec une faible skewness sont dominantes.
• Factorisation : L'étude confirme que la factorisation de la dépendance en $\zeta$ et $y$ tient dans la précision statistique des données actuelles.

Signification et affirmations
L'article affirme que si la QCD sur réseau peut fournir des données de haute précision pour les fonctions invariantes liées aux DPD, la reconstruction des moments de Mellin physiques à skewness nulle ($\zeta=0$) est actuellement limitée par la plage finie des temps d'Ioffe accessibles ($\omega$). Les auteurs démontrent que l'hypothèse d'une forme fonctionnelle spécifique (comme un polynôme) peut conduire à des résultats physiquement incohérents, tandis que des modèles motivés physiquement (loi de puissance, intégral, cosinus) sont nécessaires mais introduisent de grandes incertitudes statistiques dans la limite $\zeta=0$ lorsqu'ils sont laissés sans contrainte.

La conclusion principale est modeste : Avec les données de réseau actuellement disponibles, les moments de Mellin en $\zeta=0$ ne peuvent pas être reconstruits sans apport théorique supplémentaire (tel que l'imposition de la règle de somme des nombres). Les auteurs soulignent que l'amélioration de cette situation nécessite des simulations sur réseau avec une précision nettement supérieure à grands moments de proton et grandes distances pour étendre la plage accessible de $\omega$. Cependant, les résultats pour $\zeta \neq 0$ restent précieux, fournissant des informations sur la distribution conjointe des partons et confirmant que les configurations de faible skewness sont plus probables. L'étude suggère également que les leçons apprises concernant la dépendance en $\zeta$ et la nécessité d'un apport théorique sont pertinentes pour les futures études sur réseau des DPD utilisant des quasi-distributions ou des pseudo-distributions.