⚛️ high-energy experiments

The soft volume of ultra-high energy neutrinos experiments

यह शोध पत्र थ्रू-गोइंग म्यूऑन ट्रैक्स के "सॉफ्ट वॉल्यूम" को मॉडल करके अल्ट्रा-हाई-एनर्जी न्यूट्रिनो फ्लक्स को इवेंट रेट्स में कुशलतापूर्वक मैप करने के लिए एक ड्रिफ्ट-डिफ्यूजन समीकरण पर आधारित एक सेमी-एनालिटिकल फ्रेमवर्क प्रस्तुत करता है, जो मोंटे कार्लो सिमुलेशन के एक तेज़ विकल्प के रूप में आइसक्यूब डेटा को सफलतापूर्वक फिट करता है और KM3NeT अवलोकनों को सुसंगत बनाता है।

मूल लेखक: Stefano Palmisano, Diego Redigolo, Michele Tammaro, Andrea Tesi

प्रकाशित 2026-07-16

📖 10 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Stefano Palmisano, Diego Redigolo, Michele Tammaro, Andrea Tesi

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि ब्रह्मांड एक ब्रह्मांडीय शूटिंग गैलरी है, लेकिन गोलियों के बजाय, लक्ष्यों को न्यूट्रिनो नामक भूतिया कणों द्वारा मारा जा रहा है। ये कण इतने शर्मीले और हल्के होते हैं कि वे बिना "नमस्ते" कहे पूरे ग्रहों से गुजर सकते हैं। हालाँकि, कभी-कभी एक न्यूट्रिनो एक परमाणु से टकराता है, और उस नन्हे से टकराव में, वह एक नया, भारी भूत बनाता है: एक म्यूऑन (muon)। यदि यह म्यूऑन पर्याप्त तेजी से चल रहा है, तो यह बर्फ या पानी से होकर गुजर सकता है, अपने पीछे नीली रोशनी की एक लकीर छोड़ते हुए, जो फोटॉन से बने सोनिक बूम की तरह दिखती है। इसी तरह, अंटार्कटिका की बर्फ या भूमध्य सागर की गहराई में दबे विशाल डिटेक्टर, जैसे कि IceCube और KM3NeT, उच्च-ऊर्जा वाले ब्रह्मांड की एक झलक पकड़ते हैं।

बड़ा रहस्य जिसे वैज्ञानिक हल करने की कोशिश कर रहे हैं, वह यह है कि इन ब्रह्मांडीय आगंतुकों को सटीक रूप से कैसे गिना जाए। यह केवल डिटेक्टर के आकार के बारे में नहीं है; यह इस बारे में है कि म्यूऑन धीमा होने और रुकने से पहले कितनी दूर तक यात्रा कर सकता है। डिटेक्टर को एक जाल की तरह समझें। यदि आप जाल की ओर एक गेंद फेंकते हैं, तो यह तभी गिना जाता है जब वह जाली से टकराती है। लेकिन यदि गेंद एक म्यूऑन है, तो उसे डिटेक्टर के अंदर पैदा होने की आवश्यकता नहीं है। वह मीलों दूर पैदा हो सकती है, हवा में उड़ सकती है, और फिर भी डिटेक्टर से टकरा सकती है। "जाल" वास्तव में कांच के सेंसरों से बहुत बड़ा है क्योंकि इसमें वह सारा स्थान शामिल है जहाँ एक म्यूऑन पैदा हो सकता है और फिर भी डिटेक्टर तक पहुँच सकता है। आप जिस शोध पत्र को पढ़ने जा रहे हैं, वह इस बात की गणितीय गहराई में उतरता है कि म्यूऑन अपनी ऊर्जा कैसे खोते हैं, यह समझने के लिए कि यह अदृश्य "सॉफ्ट नेट" (soft net) वास्तव में कितना बड़ा है।

द घोस्टली हाईवे एंड द इनविजिबल नेट (The Ghostly Highway and the Invisible Net)

कल्पना कीजिए कि आप एक विशाल, खाली रेगिस्तान के बीच में एक विशिष्ट टोल बूथ से गुजरने वाली कारों की संख्या गिनने की कोशिश कर रहे हैं। आपके पास बूथ पर एक कैमरा है, लेकिन आप जानते हैं कि कारें रेगिस्तान में कहीं भी पैदा हो सकती हैं और आपकी ओर आ सकती हैं। कुछ कारें जल्दी खराब हो जाती हैं; कुछ बहुत तेज़ होती हैं और ईंधन खत्म होने से पहले सैकड़ों मील तक यात्रा कर सकती हैं। यदि आप केवल उन कारों को गिनते हैं जो ठीक टोल बूथ के अंदर पैदा हुई हैं, तो आप लगभग सभी को खो देते हैं। लेकिन यदि आप उन कारों को गिनते हैं जो मीलों दूर पैदा हुई थीं लेकिन फिर भी बूथ तक पहुँच गईं, तो आपको बहुत बड़ी संख्या प्राप्त होती है।

यह बिल्कुल वही समस्या है जिसका सामना भौतिक विज्ञानी न्यूट्रिनो टेलीस्कोप के साथ करते हैं। ये डिटेक्टर, जैसे अंटार्कटिका में IceCube, बर्फ में दबे सेंसरों के विशाल समूह हैं। वे न्यूट्रिनो की तलाश कर रहे हैं—गहरे अंतरिक्ष से आने वाले भूतिया कण जो शायद ही किसी चीज़ के साथ अंतःक्रिया (interact) करते हैं। जब एक उच्च-ऊर्जा वाला न्यूट्रिनो अंततः बर्फ में एक परमाणु से टकराता है, तो वह एक म्यूऑन (इलेक्ट्रॉन का एक भारी संबंधी) बनाता है। यह म्यूऑन फिर बर्फ में तेजी से दौड़ता है, नीली रोशनी (चेरेनकोव रेडिएशन) की एक लकीर बनाता है जिसे सेंसर देख सकते हैं।

जटिल बात यह है कि म्यूऑन को दिखने के लिए डिटेक्टर के अंदर पैदा होने की आवश्यकता नहीं है। यह किलोमीटर दूर पैदा हो सकता है, बर्फ के माध्यम से यात्रा कर सकता है, रास्ते में कुछ ऊर्जा खो सकता है, और फिर भी डिटेक्टर से गुजर सकता है। शोधकर्ताओं ने इस क्षेत्र को, जहाँ ये म्यूऑन पैदा हो सकते हैं और फिर भी डिटेक्टर तक पहुँच सकते हैं, "सॉफ्ट वॉल्यूम" (soft volume) कहा है। यह ऐसा है जैसे डिटेक्टर के पास उसका भौतिक कांच के गोलों से बहुत बड़ा, एक अदृश्य, धुंधला प्रभामंडल (halo) है।

समस्या: भूतों को कैसे गिनें?

यह जानने के लिए कि कितनी न्यूट्रिनो पृथ्वी से टकरा रही हैं, वैज्ञानिकों को इस "सॉफ्ट वॉल्यूम" के आकार को जानना आवश्यक है। लेकिन इसकी गणना करना कठिन है। जैसे-जैसे म्यूऑन यात्रा करता है, वह दो तरीकों से ऊर्जा खोता है:

द स्मूथ ड्रिफ्ट (The Smooth Drift): जैसे हवा के प्रतिरोध के कारण एक कार धीरे-धीरे अपनी गति खो देती है। यह लगातार और अनुमानित रूप से होता है।
द हार्ड हिट्स (The Hard Hits): जैसे एक कार अचानक गड्ढे या पत्थर से टकरा जाए, जिससे ऊर्जा का एक बड़ा हिस्सा एक ही बार में चला जाए। ये दुर्लभ लेकिन नाटकीय होते हैं।

लंबे समय तक, वैज्ञानिकों ने इन म्यूऑन के हर कदम को ट्रैक करने के लिए विशाल कंप्यूटर सिमुलेशन (जिसे मोंटे कार्लो कहा जाता है) का उपयोग किया। यह रेगिस्तान में रेत के हर एक कण का सिमुलेशन करने जैसा है ताकि देखा जा सके कि एक कार उसके माध्यम से कैसे चलती है। यह काम करता है, लेकिन यह धीमा और गणनात्मक रूप से महंगा है।

इस शोध पत्र के लेखक, स्टेफानो पल्मिसानो और उनकी टीम, एक तेज़ और स्मार्ट तरीका बनाना चाहते थे। उन्होंने पूछा: क्या हम एक सरल गणितीय सूत्र लिख सकते हैं जो "स्मूथ ड्रिफ्ट" को पूरी तरह से कैप्चर करे और "हार्ड हिट्स" को छोटे सुधारों (corrections) के रूप में माने?

समाधान: भूतों के लिए एक नया मानचित्र

टीम ने एक सेमी-एनालिटिकल फ्रेमवर्क (semi-analytical framework) विकसित किया। सरल शब्दों में, उन्होंने एक "मानचित्र" बनाया जो आने वाले न्यूट्रिनो की संख्या को सीधे उन म्यूऑन ट्रैक्स की संख्या में बदल देता है जिन्हें हमें डिटेक्टर में देखना चाहिए।

उन्होंने इसे इस प्रकार किया:

द सॉफ्ट एक्सपेंशन (The Soft Expansion): उन्होंने महसूस किया कि अधिकांश समय, म्यूऑन ऊर्जा को छोटे, सुचारू चरणों (soft collisions) में खोते हैं। उन्होंने इस सुचारू धीमी गति का वर्णन करने के लिए एक गणितीय ट्रिक (समस्या को "ड्रिफ्ट-डिफ्यूजन" समीकरण में विस्तारित करना) का उपयोग किया। यह एक कार की यात्रा को एक ढलान पर धीरे-धीरे फिसलने के रूप में वर्णित करने जैसा है, बजाय इसके कि उसके हर झटके को ट्रैक किया जाए।
द हार्ड हिट्स (The Hard Hits): उन्होंने दुर्लभ, बड़े ऊर्जा नुकसानों (hard collisions) को उस सुचारू ढलान पर छोटे, दुर्लभ उभारों के रूप में माना। उन्होंने दिखाया कि आप हर एक को सिम्युलेट किए बिना इन उभारों को एक सुधार के रूप में जोड़ सकते हैं।
परिणाम: उन्होंने एक "मास्टर फॉर्मूला" निकाला। यह सूत्र तेज़ है। एक म्यूऑन की यात्रा को सिम्युलेट करने के लिए घंटों इंतजार करने के बजाय, यह सूत्र सेकंडों में अपेक्षित घटनाओं की संख्या की गणना कर सकता है। यह म्यूऑन के ऊर्जा खोने की सूक्ष्म भौतिकी को सीधे डिटेक्टर में देखी जाने वाली घटनाओं की व्यापक संख्या से जोड़ता है।

उन्होंने क्या पाया: प्रभामंडल का आकार

जब उन्होंने इस नए सूत्र को IceCube (अंटार्कटिका में विशाल डिटेक्टर) के वास्तविक डेटा पर लागू किया, तो उन्हें कुछ दिलचस्प बातें पता चलीं:

सॉफ्ट वॉल्यूम बहुत बड़ा है: उन्होंने पुष्टि की कि "सॉफ्ट वॉल्यूम" भौतिक डिटेक्टर से काफी बड़ा है। IceCube के लिए, वह प्रभावी क्षेत्र जहाँ म्यूऑन पैदा हो सकते हैं और देखे जा सकते हैं, उसके इंस्ट्रुमेंटेड वॉल्यूम से लगभग चार गुना बड़ा है। KM3NeT (जो वर्तमान में भूमध्य सागर में बनाया जा रहा है) जैसे छोटे डिटेक्टरों के लिए, यह अनुपात और भी अधिक है, लगभग 7.5 गुना बड़ा। इसका मतलब है कि डिटेक्टर अपने भौतिक आकार की तुलना में बहुत अधिक संवेदनशील है।
डेटा से मिलान: उन्होंने IceCube के 9.5 वर्षों के अवलोकनों के डेटा को फिट करने के लिए अपने सूत्र का उपयोग किया। उन्होंने पाया कि एक "स्पेक्ट्रल स्लोप" (ऊर्जा के साथ न्यूट्रिनो की संख्या कैसे बदलती है) जो IceCube द्वारा पाया गया था, उससे मेल खाता है। हालांकि, उनके द्वारा गणना की गई न्यूट्रिनो की कुल संख्या IceCube की आधिकारिक संख्या से कम थी।
- क्यों? लेखक बताते हैं कि ऐसा इसलिए है क्योंकि उनका मॉडल एक "परफेक्ट" डिटेक्टर मानता है जो हर उस म्यूऑन को पकड़ लेता है जो उससे टकराता है। वास्तविक डिटेक्टरों में "ब्लाइंड स्पॉट" और दक्षता की हानि होती है। उन्होंने गणना की कि उनका आदर्श मॉडल वास्तविक Ice-Cube विश्लेषण की तुलना में लगभग 45% कुशल है। यह कोई विफलता नहीं है; यह यह समझने का एक तरीका है कि वास्तविक प्रयोग द्वारा "सॉफ्ट वॉल्यूम" का वास्तव में कितना हिस्सा उपयोग किया जा रहा है।

KM3NeT मिस्ट्री: आकाश में एक तनाव

यह शोध पत्र एक हालिया पहेली को भी सुलझाता है। KM3Net डिटेक्टर ने एक अत्यंत उच्च-ऊर्जा वाले म्यूऑन ट्रैक (एक घटना जिसे KM3-230213A कहा जाता है) को दर्ज किया, जिसकी ऊर्जा लगभग 120 PeV (यानी 120 क्वाड्रिलियन इलेक्ट्रॉन वोल्ट!) थी। यह एक बहुत बड़ी घटना थी।

हालाँकि, IceCube ने, जो बहुत बड़ा है और लंबे समय से देख रहा है, उसी ऊर्जा सीमा में ऐसी कोई घटना नहीं देखी है। यह एक तनाव पैदा करता है: छोटा डिटेक्टर इतनी बड़ी घटना कैसे देख सकता है जबकि बड़ा डिटेक्टर कुछ नहीं देख रहा?

लेखकों ने यह जांचने के लिए अपने नए सूत्र का उपयोग किया कि क्या यह केवल एक सांख्यिकीय संयोग (statistical fluke) है या नई भौतिकी का संकेत है।

उन्होंने इसकी संभावना की गणना की। उन्होंने एक बेयस फैक्टर (Bayes factor) 18 पाया। सांख्यिकी की भाषा में, यह "मजबूत साक्ष्य" है कि दोनों प्रयोग कुछ अलग देख रहे हैं।
उन्होंने अन्वेषण किया कि क्या इसे भौतिकी के स्टैंडर्ड मॉडल (Standard Model) के आधार पर समझाया जा सकता है। KM3Net की घटना को बिना IceCube में अधिक घटनाएं देखे होने के लिए, न्यूट्रिनो को पदार्थ के साथ हमारी सोच से कहीं अधिक मजबूती से अंतःक्रिया करनी होगी।
निर्णय: उन्होंने पाया कि इस घटना को समझाने के लिए, अंतःक्रिया की शक्ति (interaction strength) स्टैंडर्ड मॉडल की भविष्यवाणी से लगभग 10 गुना अधिक होनी चाहिए। हालांकि यह असंभव नहीं है, लेकिन इसके लिए ऐसी नई भौतिकी की आवश्यकता होगी जिसे अन्य प्रयोगों से छिपाना बहुत कठिन होगा। वे सुझाव देते हैं कि यह घटना नई भौतिकी के बजाय एक दुर्लभ सांख्यिकीय उतार-चढ़ाव या एक क्षणिक स्रोत (एक बार होने वाला विस्फोट) हो सकती है।

यह क्यों महत्वपूर्ण है

यह शोध पत्र केवल एक नया नंबर नहीं देता; यह एक नया उपकरण देता है। म्यूऑन ऊर्जा हानि की भौतिकी को घटनाओं की संख्या से जोड़ने वाला एक तेज़, सटीक सूत्र बनाकर, लेखकों ने सूक्ष्म कण भौतिकी और व्यापक खगोल विज्ञान के बीच एक सेतु बनाया है।

यह "सॉफ्ट वॉल्यूम" की अवधारणा वैज्ञानिकों को यह समझने में मदद करती है कि उनके डिटेक्टर वास्तव में दिखने की तुलना में बहुत बड़े हैं। यह यह जांचने का एक कठोर तरीका भी प्रदान करता है कि क्या अजीब नई घटनाएं (जैसे KM3Net द्वारा देखी गई घटना) वास्तव में नई भौतिकी के संकेत हैं या केवल भाग्यशाली (या दुर्भाग्यपूर्ण) सांख्यिकीय उतार-चढ़ाव हैं।

भविष्य में, यह ढांचा वैज्ञानिकों को और भी अजीब चीजों की खोज करने में मदद कर सकता है, जैसे डार्क मैटर के क्षय से या विशिष्ट विस्फोट होते सितारों से निकलने वाले न्यूट्रिनो, बिना हर उस सिद्धांत के लिए धीमे, भारी कंप्यूटर सिमुलेशन चलाए जिसे वे टेस्ट करना चाहते हैं। यह एक जटिल, अस्त-व्यस्त समस्या को एक साफ, समाधान योग्य समीकरण में बदल देता है, जिससे हमें ब्रह्मांड के अदृश्य प्रभामंडल को थोड़ा और स्पष्ट रूप से देखने में मदद मिलती है।

तकनीकी सारांश: अल्ट्रा-हाई एनर्जी न्यूट्रिनो प्रयोगों का सॉफ्ट वॉल्यूम (Soft Volume)

समस्या विवरण
अल्ट्रा-हाई एनर्जी (UHE) न्यूट्रिनो टेलिस्कोप, जैसे कि IceCube और KM3NeT, मुख्य रूप से चार्ज्ड-करेंट (CC) और न्यूट्रल-करेंट (NC) इंटरैक्शन से उत्पन्न होने वाले माध्यमिक आवेशित कणों के माध्यम से न्यूट्रिनो का पता लगाते हैं। जबकि कैस्केड इवेंट्स (इलेक्ट्रॉन या हैड्रोनिक शॉवर से) इंटरैक्शन पॉइंट के पास ही स्थानीयकृत होते हैं, मयून ट्रैक (muon tracks) जो मयून-न्यूट्रिनो CC इंटरैक्शन से उत्पन्न होते हैं, महत्वपूर्ण ऊर्जा खोने से पहले कई किलोमीटर तक प्रसारित हो सकते हैं। फलस्वरूप, ट्रैक-जैसे इवेंट्स के लिए प्रभावी लक्ष्य आयतन (effective target volume) केवल इंस्ट्रुमेंटेड डिटेक्टर ज्यामिति तक सीमित नहीं है, बल्कि यह आसपास के माध्यम में मयून के प्रसार और ऊर्जा-हानि के इतिहास द्वारा निर्धारित एक "सॉफ्ट वॉल्यूम" (soft volume) तक विस्तृत होता है।

वर्तमान विश्लेषण अक्सर घटना दरों (event rates) को आपतित न्यूट्रिनो फ्लक्स से मैप करने के लिए गहन मोंटे कार्लो (MC) सिमुलेशन पर निर्भर करते हैं, जो गणनात्मक रूप से महंगा हो सकता है और सूक्ष्म ऊर्जा-हानि प्रक्रियाओं के साथ प्रत्यक्ष संबंध को अस्पष्ट कर सकता है। इसके अलावा, UHE डेटा की व्याख्या करने के लिए, विशेष रूप से विभिन्न प्रयोगों के बीच तनाव (जैसे, KM3NeT द्वारा देखे गए एक एकल UHE ट्रैक बनाम IceCube द्वारा समान घटनाओं का न देखा जाना) को संबोधित करने और स्टैंडर्ड मॉडल से परे भौतिकी (BSM) की खोज करने के लिए, एक कठोर, अर्ध-विश्लेतिक ढांचे (semi-analytical framework) की आवश्यकता है।

कार्यप्रणाली (Methodology)
लेखक खगोलीय न्यूट्रिनो फ्लक्स द्वारा संचालित माध्यमिक मयूनों के वितरण, $f_\mu(x, p, t)$ के लिए बोल्ट्ज़मैन ट्रांसपोर्ट समीकरण पर आधारित एक अर्ध-विश्लेतिक ढांचा विकसित करते हैं।

ट्रांसपोर्ट समीकरण का निरूपण: मयून वितरण का विकास एक स्रोत पद (पृथ्वी में न्यूट्रिनो इंटरैक्शन) और ऊर्जा क्षरण का वर्णन करने वाले एक QED कोलिशनल टर्म द्वारा नियंत्रित होता है। QED टर्म रेडिएटिव प्रक्रियाओं: पेयर प्रोडक्शन (PP), ब्रेम्सस्ट्रालुंग (B), और फोटोन्यूक्लियर (PN) इंटरैक्शन के लिए एक इंटीग्रो-डिफरेंशियल ऑपरेटर है।
सॉफ्ट एक्सपेंशन (Soft Expansion): यह पहचानते हुए कि सॉफ्ट कोलिजन (छोटा भिन्नात्मक ऊर्जा हानि $y \ll 1$ $y ≪ 1$ ) इंटरैक्शन दर पर हावी होते हैं, लेखक कोलिजन ऑपरेटर को $y$ $y$ की घातों में विस्तारित करते हैं। यह ट्रांसपोर्ट समस्या को ऊर्जा स्थान में एक ड्रिफ्ट-डिफ्यूजन समीकरण (एक फॉकर-प्लैंक समीकरण) में बदल देता है।
- ड्रिफ्ट गुणांक ( $b_\mu$ ): ऊर्जा-हानि वितरण के प्रथम मोमेंट द्वारा निर्धारित होता है।
- डिफ्यूजन गुणांक ( $d_\mu$ ): दूसरे मोमेंट द्वारा निर्धारित होता है, जो स्टोकेस्टिक उतार-चढ़ाव (stochastic fluctuations) को ध्यान में रखता है।
- हार्ड कोलिजन ( $y \sim 1$ ): इन्हें सॉफ्ट समाधान के लिए पर्सर्बेटिव सुधारों (perturbative corrections) के रूप में माना जाता है, जो उनके कम दर के कारण उचित है।
ग्रीन'स फंक्शन समाधान: ड्रिफ्ट-डिफ्यूजन समीकरण को ग्रीन'स फंक्शन दृष्टिकोण का उपयोग करके हल किया जाता है। यह अनुमति देता है कि डिटेक्टर पर मयून फ्लक्स को स्रोत पद के साथ एक कनवोल्यूशन (convolution) के रूप में व्यक्त किया जा सके।
सॉफ्ट वॉल्यूम की परिभाषा: ढांचा स्पष्ट रूप से "सॉफ्ट वॉल्यूम" ( $V_{soft}$ ) को उस प्रभावी आयतन के रूप में परिभाषित करता है जो डिटेक्टर के बाहर उत्पन्न होने वाले लेकिन उस तक पहुँचने वाले मयूनों के माध्यम से इवेंट दर में योगदान देता है। इसे डिटेक्टर के प्रक्षिप्त क्षेत्र (projected area), मयून ऊर्जा-हानि रेंज ( $1/b_\mu$ ), और स्पेक्ट्रल इंडेक्स के संदर्भ में विश्ले的に निकाला गया है।
पैरामीटर अंशांकन (Parameter Calibration): QED प्रक्रियाओं (विशेष रूप से फोटोन्यूक्लियर क्षेत्र) में सैद्धांतिक अनिश्चितताओं को ध्यान में रखने के लिए, लेखक पानी में मयून प्रसार के MC सिमुलेशन करते हैं। इन सिमुलेशनों का उपयोग ड्रिफ्ट और डिफ्यूजन गुणांकों ( $b_\mu, d_\mu$ ) को फिट करने और इन मापदंडों के लिए प्रायोर डिस्ट्रीब्यूशन (prior distributions) स्थापित करने के लिए किया जाता है, न कि उन्हें निश्चित स्थिरांक मानने के लिए।

प्रमुख योगदान

मास्टर फॉर्मूला: एक मास्टर फॉर्मूला (Eq. 2.20) का व्युत्पन्न जो थ्रू-गोइंग मयूनों की डिफरेंशियल इवेंट रेट को आपतित न्यूट्रिनो फ्लक्स से मैप करता है। यह फॉर्मूला दर को एक डिटेक्टर-वॉल्यूम घटक और एक सॉफ्ट-वॉल्यूम घटक में विभाजित करता है, जिसमें बाद वाला मयून प्रसार द्वारा गतिशील रूप से नियंत्रित होता है।
अर्ध-विश्लेतिक दक्षता: यह निरूपण पूर्ण MC सिमुलेशन के लिए एक तेज़ विकल्प प्रदान करता है। ट्रांसपोर्ट को ड्रिफ्ट-डिफ्यूजन समीकरण और पर्सर्बेटिव हार्ड सुधारों में कम करके, इवेंट दरों को मानक हार्डवेयर पर सेकंडों में कंप्यूट किया जा सकता है, जबकि सूक्ष्म ऊर्जा-हानि भौतिकी के साथ सीधा संबंध बना रहता है।
अनिश्चितता परिमाणीकरण (Uncertainty Quantification): लेखक ट्रांसपोर्ट गुणांकों (विशेष रूप से $b_\mu$ और $d_\mu$ ) पर सैद्धांतिक अनिश्चितताओं को मार्जिनलाइज करने की एक विधि पेश करते हैं, जिसमें QED प्रक्रियाओं के MC सिमुलेशन से प्राप्त प्रायर्स का उपयोग किया जाता है।
टाऊ योगदान अनुमान: मयून ट्रैक्स के लिए टाऊ-प्रेरित (tau-induced) मयून ट्रैक्स का आकलन, यह निष्कर्ष निकालते हुए कि फ्लेवर-डेमोक्रेटिक फ्लक्स के लिए, प्रासंगिक ऊर्जा रेंज में मयून ट्रैक सैंपल में उनका योगदान नगण्य ( $\sim 5\%$ ) है।

परिणाम

IceCube डिफ्यूज फ्लक्स फिट: 9.5 वर्षों के IceCube थ्रू-गोइंग मयून डेटा पर इस ढांचे को लागू करते हुए, एक सिंगल पावर-लॉ डिफ्यूज फ्लक्स ( $\phi_\nu \propto E^{-\gamma}$ $ϕ_{ν} \propto E^{- γ}$ ) मानकर:
- अनुमानित स्पेक्ट्रल इंडेक्स $\gamma = 2.38^{+0.11}_{-0.09}$ है, जो IceCube के आधिकारिक परिणामों के अनुरूप है।
- नॉर्मलाइजेशन $\phi_0 = 0.63^{+0.14}_{-0.13} \times 10^{-18} \text{ GeV}^{-1} \text{ s}^{-1} \text{ cm}^{-2} \text{ sr}^{-1}$ है। आधिकारिक परिणामों की तुलना में कम नॉर्मलाइजेशन को लेखकों के आदर्शवादी "परफेक्ट डिटेक्टर" धारणा (यूनिट एफिशिएंसी, कोई एंगुलर कट नहीं) के कारण जिम्मेदार ठहराया गया है, जो एक्सेप्टेंस को ओवरएस्टिमेट करता है। अनुपात से प्रभावी एक्सेप्टेंस-एफिशिएंसी फैक्टर $\epsilon_{IC-TG} \approx 0.45$ प्राप्त होता है।
- ट्रांसपोर्ट गुणांकों पर मार्जिनलाइज करना यह दिखाता है कि $d_\mu$ के डिफ्यूजन पैरामीटर में अनिश्चितताएं वर्तमान IceCube एक्सपोजर के लिए स्पेक्ट्रल इंडेक्स या नॉर्मलाइजेशन के पुनर्निर्माण को महत्वपूर्ण रूप से सीमित नहीं करती हैं।
KM3NeT इवेंट (KM3-230213A): लेखक KM3NeT द्वारा देखे गए UHE ट्रैक इवेंट ( $E_\mu \sim 120$ $E_{μ} \sim 120$ PeV) का पुनरीक्षण करते हैं।
- एक बेयस फैक्टर (BF) का उपयोग करके IceCube डिफ्यूज फ्लक्स के साथ KM3NeT इवेंट की तुलना करते हुए, वे पाते हैं कि $BF = 18$ है। जेफरीज स्केल (Jeffreys scale) के अनुसार, यह इंगित करता है कि एक सामान्य डिफ्यूज फ्लक्स की धारणा के तहत KM3NeT अवलोकन और IceCube के गैर-अवलोकन के बीच "मजबूत तनाव" (strong tension) है।
- लेखक यह आकलन करते हैं कि क्या इस इवेंट को एन्हांस्ड न्यूट्रिनो-न्यूक्लियॉन क्रॉस-सेक्शन के साथ स्टैंडर्ड मॉडल के भीतर समझाया जा सकता है। 100 PeV पर IceCube बाधाओं का उल्लंघन किए बिना KM3NeT में ऐसा एक इवेंट उत्पन्न करने के लिए, क्रॉस-सेक्शन को $R \sim 10$ के कारक से बढ़ाना होगा। इसके लिए क्रॉस-सेक्शन के पावर-लॉ ग्रोथ ( $\sigma \propto E^\lambda$ ) की आवश्यकता होगी जहाँ $\lambda \sim 1.2-1.6$ है, जो स्टैंडर्ड मॉडल के एक्सट्रपलेशन से अधिक तीव्र है और उच्च ऊर्जाओं पर फ्रोइसार्ट बाउंड (Froissart bound) का उल्लंघन भी कर सकता है।

महत्व
यह शोध पत्र दावा करता है कि यह न्यूट्रिनो-फ्लक्स मॉडल और ट्रैक-इवेंट ऑब्जर्वेबल्स के बीच एक "प्रथम-सिद्धांतों का सेतु" (first-principles bridge) प्रदान करता है। इसका महत्व निम्नलिखित में निहित है:

परिशुद्ध न्यूट्रिनो खगोल विज्ञान (Precision Neutrino Astronomy): एक गणनात्मक रूप से कुशल, अर्ध-विश्लेतिक उपकरण प्रदान करना जो "सॉफ्ट वॉल्यूम" संवर्धन को स्पष्ट रूप से शामिल करता है, जो सटीक फ्लक्स पुनर्निर्माण के लिए महत्वपूर्ण है।
BSM खोजें: एक ऐसा ढांचा प्रदान करना जहाँ प्रभावी क्षेत्र (effective area) मयून ऊर्जा में पूर्व-निर्धारित और समावेशी नहीं है, बल्कि गतिशील रूप से प्राप्त किया जाता है। यह गैर-मानक फ्लक्स (जैसे डार्क मैटर डिके या ट्रांजिएंट सोर्स से) या न्यूट्रिनो इंटरैक्शन और मयून प्रसार को प्रभावित करने वाली नई भौतिकी के लिए अधिक लचीली और कम पक्षपाती खोजों की अनुमति देता है।
तनाव समाधान: KM3NeT और IceCube डेटा के बीच सांख्यिकीय तनाव को मात्रात्मक रूप से प्रस्तुत करना, यह सुझाव देते हुए कि जबकि KM3NeT इवेंट एक्सोटिक फिजिक्स के लिए एक संभावित खिड़की है, स्टैंडर्ड मॉडल के साथ इसकी निरंतरता के लिए अत्यधिक क्रॉस-सेक्शन संवर्धन की आवश्यकता है जो सैद्धांतिक रूप से चुनौतीपूर्ण है।

लेखक निष्कर्ष निकालते हैं कि उनका ढांचा भविष्य के परिशुद्धता अध्ययनों के लिए एक मजबूत उपकरण है, विशेष रूप से आपतित फ्लक्स और इवेंट दरों के बीच मैपिंग को कैलिब्रेट करने और सरल पावर लॉ से परे फ्लक्स घटकों की खोज करने के लिए।