Bayesian and Monte Carlo approaches to estimating uncertainty for the measurement of the bound-state $β$ decay of $^{205}\mathrm{Tl}^{81+}$

यहाँ $^{205}\text{Tl}^{81+}$ के बाउंड-स्टेट $\beta^-$ क्षय (bound-state $\beta^-$ decay) के मापन के लिए अनिश्चितता का अनुमान लगाने हेतु बेयसियन और मोंटे कार्लो दृष्टिकोणों पर आधारित शोध पत्र का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र पूरी तरह से स्ट्रिप्ड (fully stripped) $^{205}\text{Tl}^{81+}$ आयनों के बाउंड-स्टेट $\beta^-$ क्षय ($\beta_b$) के मापन में अनिश्चितता का सटीक अनुमान लगाने की चुनौती को संबोधित करता है। यह मापन निम्नलिखित के लिए महत्वपूर्ण है:

• $^{205}\text{Tl}$ और $^{205}\text{Pb}$ के अर्ध-आयु (half-life) को परिष्कृत करना, जो प्रारंभिक सौर मंडल के अध्ययन के लिए एक कॉस्मोक्रोोनोमीटर (cosmochronometer) के रूप में कार्य करता है।
• सौर न्यूट्रिनो स्पेक्ट्रम के निम्न-ऊर्जा मापन के लिए LOREX प्रोजेक्ट को सहायता प्रदान करना।

मुख्य मुद्दे:

• संदूषण भिन्नता (Contaminant Variation): प्रयोग एक सेकेंडरी बीम $^{205}\text{Tl}^{81+}$ पर निर्भर करता है जो प्रोजेक्टाइल फ्रैगमेंटेशन के माध्यम से निर्मित होता है। एक महत्वपूर्ण संदूषक, $^{205}\text{Pb}^{81+}$ (क्षय उत्पाद), उसी अभिक्रिया से उत्पन्न होता है। द्रव्यमान में छोटे अंतर ($\sim 31$ keV) के कारण, उन्हें पूरी तरह से अलग नहीं किया जा सकता है, जिससे प्रारंभिक संदूषण स्तर $\sim 0.1\%$ रहता है।
• "लुप्त अनिश्चितता" (Missing Uncertainty): डिटेक्टर शोर और सुधार कारकों (correction factors) पर आधारित मानक त्रुटि प्रसार ("रॉ अनिश्चितताएं") प्रायोगिक डेटा के बिखराव (scatter) की व्याख्या करने में विफल रहा। फिट के लिए $\chi^2$ मान 303 था (14 डिग्री ऑफ फ्रीडम के लिए), जो अपेक्षित सीमा से बहुत अधिक है। यह अनकही व्यवस्थित विविधताओं (unaccounted systematic variations) का संकेत देता है, जो संभवतः संदूषण अनुपात को प्रभावित करने वाले फ्रैगमेंट सेपरेटर (FRS) के चुंबकीय क्षेत्रों के उतार-चढ़ाव के कारण हैं।
• आउटलियर्स (Outliers): डेटासेट में एक आउटलियर ($6.7\sigma$ फिट से दूर) था, जिसे शामिल करने से क्षय दर (decay rate) पक्षपाती हो जाती और अनिश्चितता दोगुनी हो जाती। पारंपरिक $\chi^2$ मिनिमाइजेशन ऐसे आउटलियर्स के प्रति अत्यधिक संवेदनशील होता है।
• सहसंबंधित त्रुटियाँ (Correlated Errors): कई सुधार कारक (जैसे रेजोनेंस, चार्ज-चेंजिंग क्रॉस-सेक्शन) सभी डेटा बिंदुओं पर वैश्विक रूप से लागू किए गए थे, जिससे मजबूत सहसंबंध (correlations) पैदा हुए जिन्हें मानक फिटिंग विधियाँ संभालने में संघर्ष करती हैं।

2. कार्यप्रणाली (Methodology)

लेखकों ने लुप्त अनिश्चितता, सहसंबंधों और आउटलियर्स को संभालने के लिए दो उन्नत सांख्यिकीय ढाँचों की तुलना की:

A. मोंटे कार्लो (MC) दृष्टिकोण

यह विधि जटिल त्रुटि प्रसार को संभालने के लिए एक फ्रीक्वेंटिस्ट फ्रेमवर्क का विस्तार करती है:

1. सिमुलेशन: प्रयोग को $10^6$ बार सिम्युलेट किया जाता है।
2. सैंपलिंग:
   • मापे गए मात्राओं (शोटकी तीव्रता, सुधार) को उनके वितरण से सैंपल किया जाता है।
   • सहसंबंधित पैरामीटर: सहसंबंधों को बनाए रखने के लिए ग्लोबल सुधारों को एक रन के लिए एक बार सैंपल किया जाता है और सभी 16 डेटा बिंदुओं पर लागू किया जाता है।
   • लुप्त अनिश्चितता ($\sigma_{CV}$): एक निश्चित स्केलिंग फैक्टर (जैसे बिरगे रेशियो) का उपयोग करने के बजाय, यह विधि $\chi^2$ वितरण को एक संदूषण भिन्नता मान ($\sigma_{CV}$) में मैप करती है। प्रत्येक रन के लिए, एक रैंडम $\chi^2$ मान खींचा जाता है, और संगत $\sigma_{CV}$ को डेटा में क्वाड्रेटर (in quadrature) में जोड़ा जाता है। यह स्वयं लुप्त अनिश्चितता के अनुमान लगाने की अनिश्चितता को ध्यान में रखता है।
   • पॉइसन सांख्यिकी (Poisson Statistics): आयनों की गिनती (counting) की सांख्यिकी को स्पष्ट रूप से मॉडल किया गया है, जो विचरण (variance) में $\sim 3\%$ योगदान देता है।
3. फिटिंग: $\lambda_{\beta b}$ निकालने के लिए प्रत्येक सिम्युलेटेड डेटासेट पर लीस्ट-स्क्वेयर्स फिट किया जाता है।
4. आउटलियर हैंडलिंग: आउटलियर को अंतिम MC विश्लेषण से पहले मैन्युअल रूप से पहचाना और बाहर किया गया ताकि पक्षपात को रोका जा सके।

B. पूर्ण बेयसियन दृष्टिकोण (Fully Bayesian Approach)

यह दृष्टिकोण पैरामीटर स्पेस को एक्सप्लोर करने के लिए नेस्टेड सैंपलिंग के साथ NESTED FIT कोड का उपयोग करता है:

1. लाइकलीहुड निर्माण (Likelihood Construction):
   • मानक गॉसियन (Standard Gaussian): मानता है कि डेटा एक सामान्य वितरण का पालन करता है।
   • रूढ़िवादी (Sivia) दृष्टिकोण: रिपोर्ट की गई त्रुटि सीमाओं को निचली सीमा (lower bounds) के रूप में मानता है। यह एक संशोधित जेफ्रीज़ प्रायर (Jeffreys prior) का उपयोग करके अज्ञात व्यवस्थित अनिश्चितताओं पर एक अज्ञात 'हेवी टेल' ($1/(y-y_i)^2$) वाली लाइकलीहुड फंक्शन का एकीकरण करता है, जो इसे बिना मैन्युअल निष्कासन के आउटलियर्स के प्रति स्वाभाविक रूप से मजबूत बनाता है।
2. पैरामीटर प्रायर (Parameter Priors): न्युसेंस पैरामीटर्स (लॉस रेट्स) को प्रयोगात्मक अनिश्चितताओं के आधार पर गॉसियन प्रायर के साथ शामिल किया गया है।
3. डेटा हैंडलिंग: बेयसियन पद्धति का परीक्षण आउटलियर के साथ और बिना, तथा पॉइसन सांख्यिकी के समावेश के साथ और बिना किया गया।

3. मुख्य योगदान (Key Contributions)

• लुप्त अनिश्चितता के लिए नवीन MC रणनीति: लेखकों ने एक विधि विकसित की जो केवल एक वैश्विक इन्फ्लेशन फैक्टर (बिरगे रेशियो) लागू करने के बजाय $\chi^2$ वितरण को सैंपल करके स्वयं सुसंगत रूप से "लुप्त अनिश्चितता" का अनुमान लगाती है। यह एक विशिष्ट लक्ष्य $\chi^2$ मानने के पूर्वाग्रह से बचता है और छोटे डेटासेट ($N=16$) के सांख्यिकीय बाधाओं का सम्मान करता है।
• स्पष्ट पॉइसन मॉडलिंग: यह पेपर कुल अनिश्चितता में पॉइसन काउंटिंग सांख्यिकी के योगदान को स्पष्ट करता है, जो FRS-प्रेरित संदूषण भिन्नता से भिन्न है।
• मजबूत बेयसियन अनुप्रयोग: प्रदर्शित किया गया कि "रूढ़िवादी" बेयसियन दृष्टिकोण (सिविया पद्धति) मैन्युअल डेटा छंटनी के बिना आउटलियर्स और अज्ञात व्यवस्थित अनिश्चितताओं को एक साथ संभाल सकता है, जो एक अधिक स्वचालित और मजबूत विश्लेषण पाइपलाइन प्रदान करता है।
• तुलनात्मक विश्लेषण: जटिल परमाणु भौतिकी प्रयोग के लिए एक कठोर साइड-बाय-साइड तुलना प्रदान की गई, जो यह सत्यापित करती है कि मौलिक रूप से भिन्न धारणाओं के बावजूद दोनों विधियाँ सुसंगत परिणाम देती हैं।

4. परिणाम (Results)

• क्षय दर ($\lambda_{\beta b}$):
  • MC विधि (आउटलियर को बाहर करने के साथ): $\lambda_{\beta b} = 2.76(28) \times 10^{-8} \text{ s}^{-1}$।
  • बेयियन विधि (रूढ़िवादी, सभी डेटा सहित आउटलियर): $\lambda_{\beta b} = 2.62(32) \times 10^{-8} \text{ s}^{-1}$।
  • संगति (Consistency): परिणाम $0.5\sigma$ के भीतर सहमत हैं। MC विश्लेषण में पॉइसन सांख्यिकी के समावेश ने परिणाम को केवल $0.7\%$ स्थानांतरित किया, जो पिछले मापों की मजबूती की पुष्टि करता है।
• अनिश्चितता के स्रोत: मुख्य अनिश्चितता स्रोत के रूप में FRS से संदूषण भिन्नता ($\sim 46\%$ कुल विचरण) की पहचान की गई, इसके बाद पॉइसन सांख्यिकी ($\sim 28\%$) और रॉ सुधार अनिश्चितताएं ($\sim 26\%$) आईं।
• आउटलियर प्रभाव:
  • MC विधि में, विश्वसनीय फिट प्राप्त करने के लिए आउटलियर को मैन्युअल रूप से हटाना आवश्यक था।
  • बेयियन रूढ़िवादी पद्धति में, आउटलियर को हेवी-टेल्ड लाइकलीहुड द्वारा स्वाभाविक रूप से कम (down-weight) कर दिया गया, जिससे बिना मैन्युअल चयन के एक सुसंगत परिणाम प्राप्त हुआ।

5. महत्व (Significance)

• कॉस्मोक्रोोनोमर्स की विश्वसनीयता: यह अध्ययन उच्च परिशुद्धता और कठोर रूप से मान्य अनिश्चितता बजट के साथ $^{205}\text{Tl}$ की अर्ध-आयु की पुष्टि करता है, जो प्रारंभिक सौर मंडल के विकास के लिए घड़ी के रूप में $^{205}\text{Pb}$ के उपयोग को मजबूत करता है।
• पद्धतिगत प्रगति: यह शोध पत्र छोटे डेटासेट में लुप्त अनिश्चितताओं के अनुमान के लिए पारंपरिक बिरगे रेशियो से आगे बढ़ने की वकालत करता है। यह दर्शाता है कि:
  • मोंटे कार्लो तब बेहतर होता है जब डेटा सहसंबंध जटिल हों और मैन्युअल आउटलियर पहचान संभव हो।
  • बेयसियन (रूढ़िवादी) विधियाँ अज्ञात व्यवस्थित कारकों को "आउट-ऑफ-द-बॉक्स" संभालने के लिए बेहतर हैं, जिससे व्यक्तिपरक डेटा चयन की आवश्यकता कम हो जाती है।
• भविष्य के अनुप्रयोग: लेखक अज्ञात सांख्यिकीय उतार-चढ़ाव वाले भविष्य के प्रयोगों के लिए ओपन-सोर्स NESTED FIT कोड की सिफारिश करते हैं, जबकि वे उन परिदृश्यों के लिए MC दृष्टिकोण का भी समर्थन करते जहाँ मजबूत डेटा सहसंबंधों के कारण बेयसियन गणना महंगी हो सकती है।

निष्कर्षतः, यह शोध पत्र जटिल व्यवस्थित कारकों और आउटलियर्स की उपस्थिति में अनिश्चितता मात्रा निर्धारण के लिए एक मजबूत ब्लूप्रिंट प्रदान करते हुए, कच्चे डेटा बिखराव और सैद्धांतिक अनिश्चितताओं के बीच के अंतर को सफलतापूर्वक हल करता है।