Determining Neutrino Mass Ordering with NOvA and Upcoming JUNO Measurements

तकनीकी सारांश: NOvA और आगामी JUNO मापों के साथ न्यूट्रिनो द्रव्यमान क्रम का निर्धारण

समस्या विवरण
न्यूट्रिनो द्रव्यमान की मौलिक प्रकृति अभी भी अपूर्ण है, विशेष रूप से "द्रव्यमान क्रम" (या पदानुक्रम) के संबंध में। जबकि सौर द्रव्यमान-वर्ग अंतर $\Delta m^2_{21}$ ज्ञात है कि धनात्मक है, वायुमंडलीय द्रव्यमान-वर्ग अंतर $\Delta m^2_{32}$ (या $\Delta m^2_{31}$) का चिह्न अज्ञात है। एक धनात्मक चिह्न सामान्य क्रम (Normal Ordering - NO) के अनुरूप है, और एक ऋणात्मक चिह्न व्युत्क्रम क्रम (Inverted Ordering - IO) के अनुरूप है। इस क्रम का निर्धारण न्यूट्रिनो द्रव्यमान निर्माण तंत्र को समझने, सुपरनोवा न्यूट्रिनो फ्लक्स की व्याख्या करने, न्यूट्रिनलेस डबल बीटा क्षय का विश्लेषण करने और कॉस्मोलॉजिकल मॉडलों को परिष्कृत करने के लिए महत्वपूर्ण है।

वर्तमान प्रयोगात्मक स्थिति अनिर्णायक है। NOvA, T2K और सुपर-कमीके (Super-Kamiokande) के पिछले विश्लेषण सामान्य क्रम के प्रति हल्का झुकाव दिखाते हैं, जबकि कॉस्मोलॉजिकल डेटा व्युत्क्रम क्रम को विमुख करता है। हालांकि, संयुक्त NOvA-T2K दोलन विश्लेषणों से पता चलता है कि CP-उल्लंघन चरण ($\delta_{CP}$) के साथ अच्छा सामंजस्य केवल व्युत्क्रम क्रम परिकल्पना के तहत ही प्राप्त किया जा सकता है। NOvA के स्टैंडअलोन 10-वर्षीय डेटासेट से सामान्य क्रम के लिए 70% पोस्टीरियर प्रायिकता प्राप्त होती है, जो डेया बे (Daya Bay) रिएक्टर प्रयोग से $\Delta m^2_{32}$ और $\sin^2\theta_{13}$ के बाहरी मापों द्वारा बाधित होने पर बढ़कर 87% ($1.6\sigma$ प्राथमिकता) हो जाती है। लेखक यह तर्क देते हैं कि आगामी JUNO रिएक्टर प्रयोग, जो $|\Delta m^2_{32}|$ पर अपेक्षित सब-परसेंट (एक प्रतिशत से कम) सटीकता प्रदान करेगा, द्रव्यमान क्रम को हल करने के लिए NOvA की संवेदनशीलता को महत्वपूर्ण रूप से बढ़ा सकता है।

कार्यप्रणाली
लेखक एक सटीक JUNO माप के प्रभाव का आकलन करने के लिए एक बायेसियन इन्फरेंस (Bayesian inference) विश्लेषण करते हैं। कार्यप्रणाली इस प्रकार है:

1. डेटा और ढांचा: विश्लेषण NOvA के $\nu_\mu$ विलोपन (disappearance) और $\nu_e$ प्रकटन (appearance) (न्यूट्रिनो और एंटीन्यूट्रिनो) के 10-वर्षीय डेटासेट का उपयोग करता है। सांख्यिकीय ढांचा संदर्भ [10] में विस्तृत बायेसियन दृष्टिकोण का अनुसरण करता है, जो पोस्टीरियर्स को सैंपल करने के लिए हैमिल्टोनियन मार्कोव चेन मोंटे कार्लो (Stan के माध्यम से) का उपयोग करता है।
2. बाधाएं और प्रायोर (Priors):
   • $\sin^2(2\theta_{13})$ पर डेया बे से प्राप्त बाहरी बाधा को बनाए रखा गया है।
   • $\Delta m^2_{32}$ पर मौजूदा डेया बे बाधा को हटा दिया गया है और इसे काल्पनिक रिएक्टर बाधाओं के एक श्रृंखला द्वारा प्रतिस्थापित किया गया है जिन्हें एक-आयामी द्वि-गॉसियन प्रायर्स (bi-Gaussian priors) के रूप में मॉडल किया गया है। ये प्रायर्स विभिन्न केंद्रीय मानों और भिन्नात्मक अनिश्चितताओं (2% तक) के साथ संभावित भविष्य के मापों का प्रतिनिधित्व करते हैं।
   • विश्लेषण एक विशिष्ट ऑफसेट $\lambda \equiv \delta(|\Delta m^2_{32}|)_{NO-IO} \approx 0.12 \times 10^{-3} \text{ eV}^2$ को मानता है, जो JUNO के अपेक्षित प्रदर्शन से प्राप्त किया गया है।
3. संवेदनशीलता विश्लेषण: लेखक $\Delta m^2_{32}$ के केंद्रीय मानों और संबंधित अनिश्चितताओं की एक सीमा को स्कैन करते हैं। वे बायेस फैक्टर (BF) की गणना करते हैं, जो सामान्य बनाम व्युत्क्रम क्रम के लिए पोस्टीरियर प्रायिकताओं का अनुपात है। सिग्मा ($\sigma$) के रूप में महत्व को दो-तरफा गॉसियन टेल प्रायिकता में मैप करके निकाला जाता है।
4. ऑफसेट समायोजन: यह पहचानते हुए कि JUNO द्वारा मापा गया वास्तविक ऑफसेट $\lambda$ अनुमानित नाममात्र मान से भिन्न हो सकता है, लेखक एक अवकल फलन (derivative function) $d[\log_{10}(\text{BF})]/d\lambda$ (चित्र 3) प्रदान करते हैं ताकि JUNO के वास्तविक प्रेक्षित ऑफसेट के आधार पर परिणामों को समायोजित किया जा सके।

प्रमुख योगदान और परिणाम
यह शोध पत्र उन स्थितियों को मात्रात्मक रूप से निर्धारित करता है जिनमें NOvA, एक JUNO-समान माप की सहायता से, द्रव्यमान क्रम के लिए $3\sigma$ साक्ष्य स्तर प्राप्त कर सकता है:

• पूरकता (Complementarity): विश्लेषण पुष्टि करता है कि दीर्घ-आधारित (NOvA) और रिएक्टर (JUNO) मापों का संयोजन शक्तिशाली है क्योंकि निकाले गए $\Delta m^2_{32}$ के मान आपस में सहमत होने चाहिए यदि सही क्रम माना जाए, लेकिन यदि गलत क्रम माना जाए तो वे असहमत होंगे।
• महत्व सीमाएँ (Significance Thresholds):
  • यदि रिएक्टर प्रयोग $\Delta m^2_{32} > 2.490 \times 10^{-3} \text{ eV}^2$ (सामान्य क्रम परिकल्पना के तहत) को 0.3% या उससे बेहतर सटीकता के साथ मापता है, तो NOvA इस डेटा के साथ सामान्य क्रम के लिए $>3\sigma$ साक्ष्य प्राप्त करेगा।
  • जैसे-जैसे रिएक्टर माप का केंद्रीय मान बढ़ता है, $3\sigma$ महत्व बनाए रखने के लिए आवश्यक सटीकता थोड़ी शिथिल हो जाती है (जैसा कि चित्र 2 में आइसो-कंटूर द्वारा दिखाया गया है)।
  • इसके विपरीत, व्युत्क्रम क्रम के लिए $3\sigma$ साक्ष्य प्राप्त करने के लिए $\Delta m^2_{32} < 2.25 \times 10^{-3} \text{ eV}^2$ (सामान्य क्रम परिकल्पना के तहत) के रिएक्टर माप की आवश्यकता होगी, जो एक ऐसा मान है जिसे लेखक वर्तमान प्रयोगात्मक मापों की सीमा से बहुत बाहर बताते हैं।
• सीमाएँ और तनाव (Tension):
  • यदि रिएक्टर केंद्रीय मान $2.55 \times 10^{-3} \text{ eV}^2$ से अधिक हो जाता है, तो NOvA और रिएक्टर दोनों क्रम परिकल्पनाओं के तहत कड़े तनाव में होंगे, जिससे संयुक्त निष्कर्ष अविश्वसनीय हो जाएगा।
  • $\sim0.3\%$ से बेहतर सटीकता वाले रिएक्टर मापों के लिए, संवेदनशीलता NOvA के डेटा की वर्तमान सटीकता (द्रव्यमान विभाजन पर लगभग 1.5% अनिश्चितता) द्वारा सीमित है। द्रव्यमान विभाजन पर NOvA की संवेदनशीलता में और सुधार के लिए अतिरिक्त म्यूऑन न्यूट्रिनो विलोपन डेटा और सख्त व्यवस्थित नियंत्रण की आवश्यकता होगी।

महत्व और दावे
शोध पत्र निष्कर्ष निकालता है कि $\Delta m^2_{32}$ का एक सटीक रिएक्टर माप, JUNO के समान, NOvA के सामान्य क्रम के प्रति वर्तमान $1.6\sigma$ झुकाव को बढ़ाने की क्षमता रखता है, जो संभावित रूप से अगले पांच वर्षों के भीतर सामान्य द्रव्यमान क्रम के लिए $3\sigma$ साक्ष्य प्रदान कर सकता है, बशर्ते JUNO का केंद्रीय मान एक प्रशंसनीय सीमा (विशेष रूप से $>2.490 \times 10^{-3} \text{ eV}^2$) के भीतर हो।

हालांकि, लेखक इस परिणाम की निश्चितता के संबंध में एक मध्यम स्वर बनाए रखते हैं। वे कहते हैं कि यदि रिएक्टर केंद्रीय मान वर्तमान वैश्विक औसत के करीब रहता है, तो केवल JUNO से अपेक्षित सटीकता इस विशिष्ट पूरकता के माध्यम से द्रव्यमान क्रम के शीघ्र निर्धारण को सक्षम करने के लिए अपर्याप्त हो सकती है। ऐसी स्थिति में, एक निर्णायक परिणाम के लिए या तो दीर्घ-आधारित मापों से बेहतर सटीकता की आवश्यकता होगी या प्रयोगों द्वारा स्वतंत्र रूप से क्रम स्थापित करने के लिए पर्याप्त एक्सपोजर के संचय की आवश्यकता होगी। यह कार्य एक विशिष्ट खोज की गारंटी के बजाय संवेदनशीलता के एक संभावित प्रक्षेपण के रूप में कार्य करता है, जो JUNO से प्राप्त वास्तविक भविष्य के डेटा पर निर्भर है।