Les Houches study on inclusive jet production at NNLO+NNLL

Cet article démontre que, pour la production de jets inclusifs au LHC, les méthodes standard de variation d'échelle utilisées pour estimer les incertitudes liées aux ordres supérieurs manquants peuvent être radicalement peu fiables, car les calculs NNLO+NNLL révèlent que les effets de resommation modifient considérablement à la fois les sections efficaces centrales et les estimations d'incertitude.

L'essentiel

Imaginez que vous tentiez de mesurer la taille d'une boule de feu invisible se déplaçant à très grande vitesse (un « jet » de particules) créée lorsque deux faisceaux de protons géants entrent en collision au Grand collisionneur de hadrons (LHC). Les physiciens utilisent ces mesures pour comprendre les règles fondamentales de l'univers, en particulier la manière dont la « force forte » maintient la matière ensemble.

Pour ce faire, ils élaborent des modèles mathématiques incroyablement complexes. Cependant, ces modèles ne sont pas parfaits ; ils ressemblent à une carte qui devient plus détaillée à mesure que l'on zoome, mais il existe toujours des zones floues où les calculs mathématiques deviennent trop difficiles pour être effectués exactement.

Le Problème : Le « Point aveugle » de la carte

Par le passé, les scientifiques estimaient à quel point leur carte pouvait être floue en jouant à un jeu appelé « Variation d'échelle ». Imaginez que vous mesuriez une pièce avec une règle. Pour estimer votre erreur, vous pourriez la mesurer avec une règle légèrement trop longue, puis avec une règle légèrement trop courte, et observer dans quelle mesure les chiffres changent. Si les chiffres ne varient guère, vous pensez : « Super, ma mesure est super précise ! »

Les auteurs de cet article ont découvert un tour de passe-passe dans les mathématiques qui fait que ce « jeu de la règle » vous trompe.

Ils ont constaté que pour la taille de boule de feu la plus courante qu'ils mesurent (un « rayon de jet » spécifique d'environ 0,4), les erreurs mathématiques s'annulent accidentellement. C'est comme si vous tentiez d'estimer le poids d'un sac de pommes et que vous choisissiez par hasard un sac où les pommes lourdes compensent parfaitement les pommes légères. Votre balance afficherait une erreur minime, vous faisant croire que vous êtes un génie du pesage de pommes, alors qu'en réalité, vous avez simplement eu de la chance avec ce sac précis.

Cette « annulation accidentelle » amène les scientifiques à penser que leurs prédictions sont beaucoup plus précises qu'elles ne le sont réellement. Ils sous-estiment l'incertitude.

La Solution : Ajouter une lentille de « Resommation »

Pour corriger cela, les auteurs ont ajouté un outil mathématique spécial appelé « resommation ». Imaginez cela comme le fait de mettre une paire de lunettes haute technologie qui compense le fait que les boules de feu deviennent de plus en plus petites.

Lorsque les boules de feu sont très petites, les mathématiques deviennent désordonnées à cause des « logarithmes » (un type de croissance mathématique qui explose lorsque les nombres deviennent minuscules). Les modèles standards ignorent ces parties désordonnées, ce qui conduit au « point aveugle ». Les nouvelles lunettes (la resommation) obligent le modèle à prendre en compte ces parties désordonnées, même lorsque les boules de feu sont minuscules.

Ce qu'ils ont découvert

Lorsqu'ils ont mis ces nouvelles lunettes et réexaminé les données, deux choses surprenantes se sont produites :

1. Le « Sac chanceux » était un hasard : L'incertitude (le « flou ») est soudainement devenue beaucoup plus grande. L'« annulation accidentelle » a disparu. Cela signifie que les modèles précédents étaient dangereusement trop confiants. Ils pensaient connaître la réponse à 1 % près, mais les nouvelles mathématiques, plus honnêtes, montrent que la réponse pourrait être erronée de 5 % à 10 %.
2. Le jeu de la règle a échoué : Ils ont testé deux méthodes différentes pour régler leurs « règles » (échelles mathématiques). L'une fonctionnait correctement, mais l'autre a révélé un changement massif dans les résultats lorsqu'ils ont ajouté les nouvelles lunettes. L'ancien « jeu de la règle » (variation d'échelle) n'a pas réussi à prédire ce changement. Il leur disait que les résultats ne changeraient guère, alors qu'ils ont changé.

La Conclusion

L'article conclut que pour les types les plus courants de jets de particules étudiés au LHC, la méthode standard d'estimation des erreurs (variation d'échelle) est peu fiable. Elle cache souvent la véritable ampleur des erreurs dans les mathématiques.

Les auteurs soutiennent que pour vraiment comprendre les données du LHC, nous ne pouvons pas nous fier uniquement à l'ancien « jeu de la règle ». Nous devons utiliser ces « lunettes » plus avancées (la resommation) pour voir l'image complète et obtenir une estimation réaliste de la mesure dans laquelle nous pourrions nous tromper. Sans cela, nous pourrions penser avoir découvert une nouvelle loi de la physique alors que nous observons en réalité une illusion mathématique.

Résumé technique

1. Énoncé du problème

La production inclusive de jets au Grand collisionneur de hadrons (LHC) constitue une sonde primordiale pour la Chromodynamique Quantique (QCD), essentielle pour la détermination des Fonctions de Distribution des Partons (PDF) et de la constante de couplage forte ($\alpha_S$). Bien que les calculs théoriques aient atteint une précision d'ordre suivant-le-suivant-le-principal (NNLO), un défi critique subsiste : estimer de manière fiable les incertitudes liées aux ordres supérieurs manquants (MHOU).

• Le problème de la variation d'échelle : La méthode standard pour estimer les MHOU consiste à faire varier les échelles de renormalisation ($\mu_R$) et de factorisation ($\mu_F$) par un facteur 2. Cependant, les auteurs soutiennent que cette méthode est défaillante pour la production de jets. Plus précisément, pour les rayons de jets pertinents sur le plan phénoménologique ($R \approx 0.4 - 0.7$), des « annulations accidentelles » dans les termes dépendants de l'échelle conduisent à des bandes d'incertitude artificiellement étroites, donnant une fausse impression de précision.
• Logarithmes de petit-$R$ : Les algorithmes de jets introduisent une hiérarchie d'échelles via le paramètre de rayon de jet $R$. Dans la limite de petit $R$, la théorie des perturbations à ordre fixe s'effondre en raison de termes logarithmiques importants ($\ln R$) qui nuisent à la convergence.
• Ambiguïté du choix d'échelle : Deux choix d'échelle courants existent : l'impulsion transverse du jet ($p_T^{jet}$) et la somme scalaire des impulsions transverses de tous les partons ($\hat{H}_T$). L'article examine si ces choix produisent des résultats cohérents et des estimations d'incertitude fiables.

2. Méthodologie

Les auteurs réalisent une étude complète comparant les calculs à ordre fixe avec des prédictions résommées à travers divers rayons de jets et régions cinématiques.

• Processus : Production inclusive de jets ($pp \to \text{jet} + X$).
• Cadre théorique :
  • Ordre fixe : Calculs jusqu'au NNLO QCD utilisant le schéma de soustraction des résidus amélioré par secteur.
  • Résommation : Résommation de petit-$R$ jusqu'à une précision logarithmique suivante-le-suivant-le-principal (NNLL). La section efficace est factorisée en une fonction dure ($H$) et une fonction de jet semi-inclusive ($J$), permettant la résommation des termes $\ln R$ via les équations du groupe de renormalisation (RGE).
  • Appariement : Les prédictions sont appariées (par exemple, NNLO+NNLL) en convoluant les fonctions dures à des ordres spécifiques avec des fonctions de jets à des ordres logarithmiques correspondants.
• Variations d'échelle :
  • Ordre fixe : Variation standard à 7 points de $\mu_R$ et $\mu_F$.
  • Résommé : Une variation à 15 points incluant l'échelle du jet ($\mu_J$), qui est évoluée à partir de l'échelle canonique $R p_T^{jet}$.
• Choix d'échelle : Deux échelles centrales sont comparées : $\mu = p_T^{jet}$ et $\mu = \hat{H}_T$.
• Comparaison avec les données : Les prédictions sont comparées aux données expérimentales du CMS (Réf. [57]), en examinant spécifiquement les spectres absolus d'impulsion transverse et les rapports de sections efficaces pour différents rayons de jets ($R=0.1, 0.7, 1.2$) normalisés à $R=0.4$.

3. Contributions clés

• Réévaluation de la variation d'échelle : L'article fournit des preuves solides que les variations d'échelle standard sous-estiment considérablement les MHOU pour la production inclusive de jets, en particulier dans la plage $R \sim 0.4-0.7$.
• Impact de la résommation : Il démontre que la résommation NNLL modifie significativement les valeurs centrales des sections efficaces et, de manière cruciale, élargit les bandes d'incertitude pour refléter la véritable incertitude théorique.
• Discrépance du choix d'échelle : L'étude met en évidence une divergence significative entre les choix d'échelle $p_T^{jet}$ et $\hat{H}_T$. Bien qu'ils s'accordent à ordre fixe dans des bandes étroites (et probablement sous-estimées), la résommation révèle de grands décalages (jusqu'à 20 % pour $\hat{H}_T$) que les variations à ordre fixe ne parviennent pas à capturer.
• Corrélation dans les rapports : Les auteurs montrent que, bien que les spectres absolus diffèrent considérablement entre les choix d'échelle, ces différences s'annulent largement dans les rapports de sections efficaces avec différents $R$, bien que des tensions résiduelles avec les données persistent pour le choix $\hat{H}_T$.

4. Résultats clés

A. Spectres absolus d'impulsion transverse

• Petit $R$ ($R=0.1$) : La théorie des perturbations à ordre fixe échoue, montrant de grandes corrections négatives et une mauvaise convergence. La résommation stabilise la série. L'échelle $\hat{H}_T$ montre un important décalage vers le bas lors de la résommation, se situant en dehors de la bande d'incertitude à ordre fixe.
• Rayon phénoménologique $R$ ($R=0.4, 0.7$) :
  • Ordre fixe : Les bandes d'incertitude sont anormalement étroites (par exemple, $\sim 1\%$ pour $\hat{H}_T$ au NNLO) en raison d'annulations accidentelles. La prédiction NNLO se situe souvent en dehors de la bande d'incertitude NLO.
  • Résommé (NNLO+NNLL) : Les bandes d'incertitude augmentent considérablement (jusqu'à $\sim 5-10\%$), révélant la véritable sensibilité aux ordres supérieurs.
  • Dépendance à l'échelle : Pour $p_T^{jet}$, les corrections de résommation sont faibles. Pour $\hat{H}_T$, la résommation provoque un grand décalage négatif de la valeur centrale. Crucialement, les bandes de variation d'échelle à ordre fixe n'englobent pas la différence entre les prédictions à ordre fixe et résommées, prouvant que l'estimation MHOU à ordre fixe est peu fiable.
• Grand $R$ ($R=1.2$) : Les prédictions à ordre fixe s'améliorent, mais la résommation introduit toujours des décalages significatifs et des incertitudes plus grandes par rapport aux estimations à ordre fixe.

B. Rapports et comparaison avec les données

• Description des données : L'inclusion de la résommation de petit-$R$ améliore la description des données du CMS pour les spectres absolus et les rapports.
• Corrélation : L'incertitude dans les rapports est drastiquement réduite dans le cas résommé car les variations d'échelle au numérateur et au dénominateur sont fortement corrélées (dominées par les variations de $\mu_R$ et $\mu_J$).
• Tension : Malgré une meilleure description, des écarts persistent entre les données et les prédictions utilisant l'échelle $\hat{H}_T$, suggérant que même avec la résommation, les MHOU pour ce choix d'échelle ne sont pas entièrement capturés par les méthodes de variation actuelles.

C. Décomposition de la dépendance à l'échelle

• Pour petit $R$, l'incertitude dans le cas résommé est dominée par la variation de l'échelle du jet ($\mu_J$), un composant absent dans les calculs à ordre fixe.
• La « annulation accidentelle » observée dans les calculs à ordre fixe pour $R \approx 0.4$ est brisée lorsque $\mu_J$ est varié, confirmant que les bandes étroites à ordre fixe sont un artefact de la méthode de calcul et non une réalité physique.

5. Importance et conclusion

L'article conclut que la variation d'échelle est un estimateur peu fiable des incertitudes liées aux ordres supérieurs manquants dans la production inclusive de jets, en particulier pour les rayons de jets standards utilisés dans les analyses du LHC ($R=0.4, 0.6, 0.7$).

• Sous-estimation de l'incertitude : La variation d'échelle standard à 7 points sous-estime l'impact des ordres supérieurs d'un facteur plusieurs, conduisant à des prédictions théoriques excessivement confiantes.
• Nécessité de la résommation : La résommation de petit-$R$ n'est pas seulement une correction pour les petits rayons ; elle est essentielle pour stabiliser la série perturbative et fournir une estimation réaliste de l'incertitude, même pour des rayons de jets modérés.
• Perspectives futures : Les auteurs soutiennent que se fier uniquement aux variations d'échelle est insuffisant pour la QCD de précision. Ils appellent au développement de méthodes alternatives d'estimation des MHOU (par exemple, des approches bayésiennes) et à l'extension des techniques de résommation à des observables de sous-structure de jets plus complexes où des échelles multiples compliquent l'estimation des incertitudes.

En résumé, ce travail sert d'avertissement critique à la communauté de la physique des hautes énergies : la « précision » revendiquée dans de nombreuses analyses de jets NNLO peut être illusoire si elle repose uniquement sur des variations d'échelle traditionnelles sans tenir compte des effets de résommation et des pathologies spécifiques des algorithmes de jets.