Searching for the $N$-naturalness tower of neutrinos

तकनीकी सारांश: न्यूट्रिनो के N-naturalness टॉवर की खोज

समस्या और प्रेरणा
N-naturalness मॉडल पदानुक्रम समस्या (hierarchy problem) का समाधान प्रस्तावित करने के लिए $N$ अलग-अलग गेज सेक्टर्स (gauge sectors) के अस्तित्व को मानकर एक समाधान प्रस्तुत करता है, जिनमें से प्रत्येक में एक हिग्स फील्ड है जिसका द्रव्यमान पैरामीटर $\mu_i$, $[-\Lambda_H^2, \Lambda_H^2]$ अंतराल के भीतर वितरित है। इस ढांचे में, स्टैंडर्ड मॉडल (SM) हिग्स का हल्का होना तब स्वाभाविक होता है जब सेक्टर द्रव्यमान मापदंडों के बीच की दूरी पर्याप्त रूप से कम हो, जो $\sim \Lambda_H^2/N$ के रूप में स्केल करती है। यह मॉडल इस वितरण के भीतर विशिष्ट SM सेक्टर के स्थान का वर्णन करने के लिए एक फाइन-ट्यूनिंग पैरामीटर $r$ पेश करता है।

हालांकि मूल रूप से पदानुक्रम समस्या से प्रेरित, N-naturalness ढांचा "कई मिक्सिंग पार्टनर्स" (many mixing partners) तंत्र के माध्यम से न्यूट्रिनो द्रव्यमान की लघुता को भी संबोधित करता है। इस परिदृश्य में, SM लेफ्ट-हैंडेड न्यूट्रिनो सभी $N$ सेक्टर्स में राइट-हैंडेड न्यूट्रिनो (या मेजरोना अवस्थाओं) के साथ मिक्स होता है। डिग्री ऑफ फ्रीडम की यह बड़ी संख्या प्रभावी कपलिंग को कम कर देती है, जिससे न्यूट्रिनो द्रव्यमान दब जाता है। यह शोध जांच करता है कि क्या स्थलीय न्यूट्रिनो प्रयोग इस सिद्धांत के पैरामीटर स्पेस, विशेष रूप से सेक्टर्स की संख्या $N$ और फाइन-ट्यूनिंग पैरामीटर $r$ को सीमित कर सकते हैं।

कार्यप्रणाली (Methodology)
लेखक $(r, N)$ पैरामीटर स्पेस को सीमित करने के लिए सार्वजनिक रूप से उपलब्ध न्यूट्रिनो डेटा का वैश्विक विश्लेषण करते हैं। अध्ययन मॉडल के दो कार्यान्वयनों के बीच अंतर करता है:

1. N-naturalness Dirac (NND): न्यूट्रिनो प्रत्येक सेक्टर में राइट-हैंडेड न्यूट्रिनो वाले मानक डिरैक मास टर्म्स के माध्यम से द्रव्यमान प्राप्त करते हैं।
2. N-naturalness Majorana (NNM): न्यूट्रिनो एक फर्मिओनिक रीहेटन (reheaton) द्वारा प्रेरित वेइबर्ग ऑपरेटर के माध्यम से द्रव्यमान प्राप्त करते हैं, जिससे मेजरोना द्रव्यमान उत्पन्न होता है।

सैद्धांतिक ढांचा और पैरामीट्रेशन
विश्लेषण सेक्टर स्पेस में याकुकी कपलिंग $\lambda_{ij}$ (जो एक अनुमानित परम्यूटेशन सिमेट्री रखती है) के आधार पर मास मैट्रिसेस को मॉडल करने के लिए Newtrinos.jl फ्रेमवर्क का उपयोग करता है।

• मास मैट्रिसेस: मास मैट्रिसेस को पैरामीटर $a$ द्वारा नियंत्रित विकर्ण तत्वों और पैरामीटर $b$ द्वारा नियंत्रित ऑफ-डायगोनल तत्वों के आधार पर बनाया गया है। लेखक लोकतांत्रिक मिक्सिंग (democratic mixing) की एक स्वाभाविक अपेक्षा ($a \approx b \sim 1/\sqrt{N}$) अपनाते हैं, लेकिन उन्हें स्वतंत्र पैरामीटर के रूप में मानते हुए, मैट्रिक्स संरचना को सरल बनाने के लिए $\tilde{a}$ और $\tilde{b}$ को परिभाषित करते हैं।
• पैरामीट्रेशन: फिट की विमा (dimensionality) को कम करने के लिए, लेखक कई मापदंडों को सैद्धांतिक धारणाओं और प्रयोगात्मक बाधाओं के आधार पर स्थिर करते हैं:
  • पूर्ण न्यूट्रिनो द्रव्यमान स्केल $m_0$ को $0.01$ eV (एक रूढ़िवादी ऊपरी सीमा) पर स्थिर किया गया है।
  • कपलिंग का अनुपात $\eta = \tilde{a}^2/\tilde{b}^2$ को $1 + 1/N$ के रूप में सेट किया गया है।
  • समग्र द्रव्यमान स्केल को ऑसिलेशन डेटा ($\Delta m^2_{21}$ और $\Delta m^2_{31}$) और मास ऑर्डरिंग (Normal या Inverted) द्वारा निर्धारित किया जाता है।
• अवलोकनीय (Observables): मॉडल निम्नलिखित में संशोधनों की भविष्यवाणी करता है:
  • ऑसिलेशन प्रोबेबिलिटीज: सर्वाइवल प्रोबेबिलिटी $P(\nu_l \to \nu_l)$ अन्य सेक्टर्स से भारी स्टेराइल अवस्थाओं के साथ मिक्सिंग के कारण संशोधित होती है, जो तेज ऑसिलेशन और $N$ पर निर्भर एक सप्रेशन फैक्टर पेश करती है।
  • प्रभावी द्रव्यमान: प्रभावी इलेक्ट्रॉन न्यूट्रिनो द्रव्यमान $m_\nu$ ($\beta$-डिके से) और प्रभावी मेजरोना द्रव्यमान $m_{\beta\beta}$ ($0\nu\beta\beta$ से) की गणना सभी $N$ सेक्टर्स के योगदान को जोड़कर की जाती है, जिन्हें मिक्सिंग मैट्रिक्स तत्वों द्वारा भारित (weighted) किया जाता है।

प्रयोगात्मक डेटा और विश्लेषण
विश्लेषण निम्नलिखित डेटा को संयोजित करता है:

• ऑसिलेशन प्रयोग: दया बे (वर्तमान डेटा) और JUNO+TAO (प्रक्षेपित 6-वर्षीय संवेदनशीलता)। ये प्रयोग ऑसिलेशन पैरामीटर्स और भारी स्टेराइल अवस्थाओं की उपस्थिति को सीमित करने के लिए इलेक्ट्रॉन एंटी-न्यूट्रिनो सर्वाइवल प्रोबेबिलिटीज को मापते हैं।
• $0\nu\beta\beta$ प्रयोग: GERDA (वर्तमान सीमा), LEGEND-200 (वर्तमान सीमा), और LEGEND-1000 (प्रक्षेपित)। ये प्रयोग प्रभावी मेजरोना द्रव्यमान $m_{\beta\beta}$ को सीमित करते हैं। विश्लेषण न्यूक्लियर मैट्रिक्स एलिमेंट अनिश्चितताओं और हल्के तथा भारी न्यूट्रिनो योगदान के बीच संक्रमण को ध्यान में रखता है।

90% विश्वास स्तर (C.L.) पर ड्रॉइंग एक्सक्लूजन कंटूर बनाने के लिए एक प्रोफाइल लाइकलीहुड रेशियो टेस्ट स्टैटिस्टिक का उपयोग किया जाता है। नुआंस पैरामीटर्स (फ्लक्स नॉर्मलाइजेशन, एनर्जी रेजोल्यूशन, आदि) को प्रोफाइल किया जाता है।

मुख्य परिणाम

1. मेजरोना केस (NNM):

   • वर्तमान बाधाएं: वर्तमान GERDA और दया बे डेटा गैर-फाइन-ट्यून्ड परिदृश्यों ($r=1$) को $N \approx 10^4$ तक बाहर करता है।
   • फाइन-ट्यूनिंग आवश्यकताएं: छोटे $N$ के लिए (जैसे, $N \sim 100$), मॉडल को व्यवहार्य रहने के लिए महत्वपूर्ण फाइन-ट्यूनिंग ($r \sim 10^{-6}$) की आवश्यकता होती है।
   • भविष्य की संवेदनशीलता: अनुमानित JUNO+TAO डेटा किसी भी $r$ के मान के लिए सभी $N < 500$ को बाहर कर देगा। $500 \le N \le 10^4$ की सीमा में, सिद्धांत केवल तभी व्यवहार्य रहता है जब $r \le 0.1$ हो।
   • बेंचमार्क रूलिंग आउट: N-naturalness का विशिष्ट बेंचमार्क परिदृश्य जिसमें $N=10^4$ और कोई फाइन-ट्यूनिंग नहीं है ($r=1$), वर्तमान डेटा द्वारा दोनों Normal और Inverted मास ऑर्डरिंग के लिए खारिज कर दिया गया है।

2. डिरैक केस (NND):

   • बाधाएं काफी कमजोर हैं क्योंकि $0\nu\beta\beta$ प्रयोग लागू नहीं होते हैं।
   • वर्तमान दया बे डेटा छोटे $N$ ($N \le 50$) को गैर-फाइन-ट्यून्ड परिदृश्यों ($r \approx 1$) के लिए बाहर करता है।
   • अनुमानित JUNO+TAO संवेदनशीलता एक्सक्लूजन को $N > 100$ तक विस्तारित करती है, लेकिन पैरामीटर $r$ मेजरोना केस की तुलना में कम प्रतिबंधित रहता है।

महत्व और दावे
लेखक दावा करते हैं कि वे स्थलीय डेटा का उपयोग करके न्यूट्रिनो के N-naturalness टॉवर की पहली प्रयोगात्मक खोज प्रस्तुत करते हैं। प्राथमिक महत्व इस बात में निहित है कि वर्तमान न्यूट्रिनो प्रयोग N-naturalness ढांचे के विशिष्ट सैद्धांतिक बेंचमार्क का परीक्षण और उन्हें खारिज करने में सक्षम हैं।

विशेष रूप से, लेखक प्रदर्शित करते हैं कि पदानक्रम समस्या को हल करने के लिए प्रस्तावित $N=10^4$ सेक्टर्स और बिना फाइन-ट्यूनिंग ($r=1$) वाला "नेचुरल" समाधान, मेजरोना परिदृश्य में वर्तमान न्यूट्रिनो ऑसिलेशन और $0\nu\beta\beta$ डेटा के साथ असंगत है। यह परिणाम बताता है कि यदि N-naturalness पदानक्रम समस्या का सही समाधान है, तो इसमें या तो बहुत अधिक सेक्टर्स ($N > 10^4$) शामिल होने चाहिए या इसमें फाइन-ट्यूनिंग ($r < 0.1$) का एक स्तर होना चाहिए जो मॉडल की "नेचुरलनेस" प्रेरणा को कमजोर करता है। लेखक नोट करते हैं कि उनके परिणाम पूर्ण न्यूट्रिनो द्रव्यमान स्केल $m_0$ के विभिन्न अनुमानों के बावजूद मजबूत हैं।

यह अध्ययन हल्के स्टेराइल अवस्थाओं के साथ नई भौतिकी की जांच करने में ऑसिलेशन और मास-स्केल प्रयोगों की पूरकता को उजागर करता है और बड़ी संख्या में छिपे हुए सेक्टर्स वाली थ्योरीज को सीमित करने के लिए ग्लोबल न्यूट्रिनो डेटा का उपयोग करने की कार्यप्रणाली स्थापित करता है।