⚛️ high-energy experiments

First double-differential cross-section measurements in proton multiplicity and kinematics for mesonless $\nu_{\mu}$ charged-current interactions on argon using the MicroBooNE detector

पूर्ण MicroBooNE डेटासेट का उपयोग करते हुए, यह शोध पत्र प्रोटॉन बहुलता (proton multiplicity) और गतिज (kinematics) के फलन के रूप में आर्गन पर मेसॉन-रहित $\nu_{\mu}$ चार्ज-करंट इंटरैक्शन के लिए प्रथम डबल-डिफरेंशियल क्रॉस-सेक्शन मापन प्रस्तुत करता है, जो डेटा और वर्तमान इवेंट जनरेटर भविष्यवाणियों के बीच महत्वपूर्ण विसंगतियों को प्रकट करता है जो अंतिम-अवस्था अंतःक्रियाओं (final-state interactions) के मॉडलिंग में कमियों को उजागर करती हैं।

मूल लेखक: MicroBooNE collaboration, P. Abratenko, D. Andrade Aldana, J. Asaadi, A. Ashkenazi, S. Balasubramanian, B. Baller, A. Barnard, G. Barr, D. Barrow, J. Barrow, V. Basque, J. Bateman, B. Behera, O. BenevMicroBooNE collaboration, P. Abratenko, D. Andrade Aldana, J. Asaadi, A. Ashkenazi, S. Balasubramanian, B. Baller, A. Barnard, G. Barr, D. Barrow, J. Barrow, V. Basque, J. Bateman, B. Behera, O. Benevides Rodrigues, S. Berkman, A. Bhat, M. Bhattacharya, V. Bhelande, A. Binau, M. Bishai, A. Blake, B. Bogart, T. Bolton, M. B. Brunetti, L. Camilleri, D. Caratelli, F. Cavanna, G. Cerati, A. Chappell, Y. Chen, J. M. Conrad, M. Convery, L. Cooper-Troendle, J. I. Crespo-Anadon, R. Cross, M. Del Tutto, S. R. Dennis, P. Detje, R. Diurba, Z. Djurcic, K. Duffy, S. Dytman, B. Eberly, P. Englezos, A. Ereditato, J. J. Evans, C. Fang, B. T. Fleming, W. Foreman, D. Franco, A. P. Furmanski, F. Gao, D. Garcia-Gamez, S. Gardiner, G. Ge, S. Gollapinni, E. Gramellini, P. Green, H. Greenlee, L. Gu, W. Gu, R. Guenette, L. Hagaman, M. D. Handley, O. Hen, A. Hergenhan, M. Harrison, S. Hawkins, C. Hilgenberg, G. A. Horton-Smith, A. Hussain, B. Irwin, M. S. Ismail, C. James, X. Ji, J. H. Jo, A. Johnson, R. A. Johnson, D. Kalra, G. Karagiorgi, W. Ketchum, A. Kelly, M. Kirby, T. Kobilarcik, K. Kumar, N. Lane, J. -Y. Li, Y. Li, K. Lin, B. R. Littlejohn, L. Liu, S. Liu, W. C. Louis, X. Luo, T. Mahmud, N. Majeed, C. Mariani, J. Marshall, D. A. Martinez Caicedo, F. Martinez Lopez, M. G. Manuel Alves, S. Martynenko, A. Mastbaum, I. Mawby, N. McConkey, B. McConnell, L. Mellet, J. Mendez, J. Micallef, T. Mohayai, A. Mogan, M. Mooney, A. F. Moor, C. D. Moore, L. Mora Lepin, M. A. Hernandez Morquecho, M. M. Moudgalya, S. Mulleria Babu, D. Naples, A. Navrer-Agasson, D. Nawarathne, N. Nayak, M. Nebot-Guinot, C. Nguyen, L. Nguyen, J. Nowak, N. Oza, O. Palamara, N. Pallat, V. Paolone, A. Papadopoulou, V. Papavassiliou, H. Parkinson, S. F. Pate, N. Patel, Z. Pavlovic, E. Piasetzky, K. Pletcher, I. Pophale, X. Qian, J. L. Raaf, V. Radeka, A. Rafique, M. Reggiani-Guzzo, J. Rodriguez Rondon, M. Ross-Lonergan, I. Safa, C. Sauer, D. W. Schmitz, A. Schukraft, W. Seligman, M. H. Shaevitz, R. Sharankova, L. Silva, E. L. Snider, S. Soldner-Rembold, J. Spitz, M. Stancari, J. St. John, T. Strauss, A. M. Szelc, K. Terao, C. Thorpe, D. Torbunov, D. Totani, M. Toups, A. Trettin, Y. -T. Tsai, J. Tyler, M. A. Uchida, T. Usher, B. Viren, M. L. Velazquez Fernandez, L. Wang, M. Weber, H. Wei, A. J. White, S. Wolbers, T. Wongjirad, K. Wresilo, W. Wu, E. Yandel, T. Yang, L. E. Yates, H. W. Yu, G. P. Zeller, J. Zennamo, C. Zhang, Y. Zhang

प्रकाशित 2026-10-01

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: MicroBooNE collaboration, P. Abratenko, D. Andrade Aldana, J. Asaadi, A. Ashkenazi, S. Balasubramanian, B. Baller, A. Barnard, G. Barr, D. Barrow, J. Barrow, V. Basque, J. Bateman, B. Behera, O. Benevides Rodrigues, S. Berkman, A. Bhat, M. Bhattacharya, V. Bhelande, A. Binau, M. Bishai, A. Blake, B. Bogart, T. Bolton, M. B. Brunetti, L. Camilleri, D. Caratelli, F. Cavanna, G. Cerati, A. Chappell, Y. Chen, J. M. Conrad, M. Convery, L. Cooper-Troendle, J. I. Crespo-Anadon, R. Cross, M. Del Tutto, S. R. Dennis, P. Detje, R. Diurba, Z. Djurcic, K. Duffy, S. Dytman, B. Eberly, P. Englezos, A. Ereditato, J. J. Evans, C. Fang, B. T. Fleming, W. Foreman, D. Franco, A. P. Furmanski, F. Gao, D. Garcia-Gamez, S. Gardiner, G. Ge, S. Gollapinni, E. Gramellini, P. Green, H. Greenlee, L. Gu, W. Gu, R. Guenette, L. Hagaman, M. D. Handley, O. Hen, A. Hergenhan, M. Harrison, S. Hawkins, C. Hilgenberg, G. A. Horton-Smith, A. Hussain, B. Irwin, M. S. Ismail, C. James, X. Ji, J. H. Jo, A. Johnson, R. A. Johnson, D. Kalra, G. Karagiorgi, W. Ketchum, A. Kelly, M. Kirby, T. Kobilarcik, K. Kumar, N. Lane, J. -Y. Li, Y. Li, K. Lin, B. R. Littlejohn, L. Liu, S. Liu, W. C. Louis, X. Luo, T. Mahmud, N. Majeed, C. Mariani, J. Marshall, D. A. Martinez Caicedo, F. Martinez Lopez, M. G. Manuel Alves, S. Martynenko, A. Mastbaum, I. Mawby, N. McConkey, B. McConnell, L. Mellet, J. Mendez, J. Micallef, T. Mohayai, A. Mogan, M. Mooney, A. F. Moor, C. D. Moore, L. Mora Lepin, M. A. Hernandez Morquecho, M. M. Moudgalya, S. Mulleria Babu, D. Naples, A. Navrer-Agasson, D. Nawarathne, N. Nayak, M. Nebot-Guinot, C. Nguyen, L. Nguyen, J. Nowak, N. Oza, O. Palamara, N. Pallat, V. Paolone, A. Papadopoulou, V. Papavassiliou, H. Parkinson, S. F. Pate, N. Patel, Z. Pavlovic, E. Piasetzky, K. Pletcher, I. Pophale, X. Qian, J. L. Raaf, V. Radeka, A. Rafique, M. Reggiani-Guzzo, J. Rodriguez Rondon, M. Ross-Lonergan, I. Safa, C. Sauer, D. W. Schmitz, A. Schukraft, W. Seligman, M. H. Shaevitz, R. Sharankova, L. Silva, E. L. Snider, S. Soldner-Rembold, J. Spitz, M. Stancari, J. St. John, T. Strauss, A. M. Szelc, K. Terao, C. Thorpe, D. Torbunov, D. Totani, M. Toups, A. Trettin, Y. -T. Tsai, J. Tyler, M. A. Uchida, T. Usher, B. Viren, M. L. Velazquez Fernandez, L. Wang, M. Weber, H. Wei, A. J. White, S. Wolbers, T. Wongjirad, K. Wresilo, W. Wu, E. Yandel, T. Yang, L. E. Yates, H. W. Yu, G. P. Zeller, J. Zennamo, C. Zhang, Y. Zhang

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

पृथ्वी की सतह से बहुत नीचे, भविष्य के प्रयोग तरल आर्गन से भरे विशाल डिटेक्टरों के माध्यम से न्यूट्रिनो नामक भूतिया कणों के गुजरने को देखने की तैयारी कर रहे हैं। ये कण ब्रह्मांड में सबसे प्रचुर मात्रा में उपलब्ध कणों में से हैं, फिर भी वे पदार्थ के साथ इतनी दुर्बलता से अंतःक्रिया करते हैं कि वे बिना रुके सीसे (लेड) के कई प्रकाश-वर्षों के स्तर को पार कर सकते हैं। उन्हें समझने के लिए, वैज्ञानिकों को यह अध्ययन करना होगा कि वे उनके डिटेक्टरों के भीतर परमाणुओं से कैसे टकराते हैं। जब एक न्यूट्रिनो आर्गन परमाणु से टकराता है, तो वह नाभिक (न्यूक्लियस) को छिन्न-भिन्न कर देता है, जिससे नए कणों का एक फुहार बाहर की ओर निकल पड़ता है। इस टकराव से वास्तव में क्या निकलता है—कणों की संख्या, उनकी गति और उनकी दिशा—इसका सटीक अनुमान लगाना आधुनिक भौतिकी की सबसे कठिन चुनौतियों में से एक है। यदि वैज्ञानिक इन टकरावों का सटीक रूप से मॉडल नहीं बना पाते हैं, तो वे अपने प्रयोगों के डेटा की सही व्याख्या नहीं कर पाएंगे, जिससे ब्रह्मांड की प्रकृति के बारे었던 मौलिक प्रश्नों के उत्तर अस्पष्ट हो सकते हैं।

फर्मी नेशनल एक्सेलेरेटर लेबोरेटरी में माइक्रोबून (MicroBooNE) डिटेक्टर का उपयोग करने वाले शोधकर्ताओं की एक टीम ने अब इस पहेली को सुलझाने की दिशा में एक बड़ा कदम उठाया है। उन्होंने पहली बार विस्तृत माप किया है कि क्या होता है जब एक म्यूऑन न्यूट्रिनो आर्गन परमाणु से टकराता है और प्रोटॉन की एक फुहार पैदा करता है लेकिन पायोन (पियंस) नहीं, जो कि एक विशिष्ट प्रकार का कण है जो आमतौर पर अधिक जटिल टकराव का संकेत देता है। इस दुर्लभ परिदृश्य में, न्यूट्रिनो आर्गन नाभिक से एक या अधिक प्रोटॉन को बाहर निकाल देता है, जिससे नाभिक ऐसी स्थिति में रह जाता है जिसका अध्ययन करना आसान है क्योंकि इसमें अन्य कणों का अव्यवस्थित मलबा नहीं होता। शोधकर्ताओं ने 1.30 × 10²¹ प्रोटॉन के लक्ष्य (टारगेट) से टकराने के डेटा का विश्लेषण किया ताकि न्यूट्रिनो बीम बनाई जा सके, यह एक विशाल डेटासेट था जिसने उन्हें प्रत्येक टकराव में उत्पन्न प्रोटॉनों को गिनने और उनकी गति एवं दिशा को अभूतपूर्व सटीकता के साथ मापने की अनुमति दी।

टीम ने इस बात पर ध्यान केंद्रित किया कि प्रत्येक टकराव से कितने प्रोटॉन निकले और सबसे तेज़ प्रोटॉनों के व्यवहार के साथ-साथ अगले कुछ सबसे तेज़ प्रोटॉनों को ट्रैक किया। उन्होंने मापा कि ये प्रोटॉन कितनी तेज़ी से चल रहे थे और वे मूल न्यूट्रिनो के पथ से किन कोणों पर दूर जा रहे थे। इन विवरणों को देखकर, वैज्ञानिक उन कंप्यूटर प्रोग्रामों का परीक्षण कर सके, जिन्हें 'इवेंट जनरेटर' कहा जाता है, जिनका उपयोग भौतिक विज्ञानी इन टकरावों को सिम्युलेट (अनुकरण) करने के लिए करते हैं। ये कार्यक्रम डीप अंडरग्राउंड न्यूट्रिनो एक्सपेरिमेंट जैसे प्रयोगों के लिए आवश्यक उपकरण हैं, जो अपने डेटा की व्याख्या करने के लिए सटीक भविष्यवाणियों पर निर्भर करेंगे। शोधकर्ताओं ने अपने वास्तविक दुनिया के मापों की तुलना कई अलग-अलग सिमुलेशन मॉडलों के साथ की, जिनमें वे विविधताएं भी शामिल थीं जिन्होंने नाभिक के भीतर कणों की गति को विभिन्न तरीकों से माना था।

परिणामों से पता चला कि मौजूदा कंप्यूटर मॉडलों में से कोई भी डेटा की पूरी तरह से व्याख्या नहीं कर सका। हालांकि कुछ सिमुलेशन करीब पहुंचे, लेकिन वे सभी पूर्ण चित्र प्रस्तुत करने में विफल रहे, विशेष रूप से जब बात प्रोटॉन की संख्या और उन कोणों की आई जिनसे वे यात्रा करते हैं। मापों ने इस बात के प्रति एक मजबूत संवेदनशीलता दिखाई कि मॉडल घने परमाणु पदार्थ के भीतर कणों के बीच होने वाली अंतःक्रियाओं को कैसे संभालते हैं। उदाहरण के लिए, मॉडल उन प्रोटॉनों के व्यवहार की भविष्यवाणी करने में संघर्ष करते थे जो आने वाले न्यूट्रिनो के सापेक्ष पीछे की ओर उड़ते थे, और वे अक्सर टकराव से निकलने वाले धीमे, माध्यमिक प्रोटॉनों की गति का गलत अनुमान लगाते थे। एक मॉडल जिसमें नाभिक के भीतर कणों के व्यवहार के लिए विशिष्ट सुधार शामिल थे, अन्य की तुलना में बेहतर प्रदर्शन कर गया, लेकिन वह भी एक सटीक मिलान प्रदान करने में सक्षम नहीं था।

यह कार्य पदार्थ के साथ न्यूट्रिनो की अंतःक्रिया के बारे में हमारी समझ में एक महत्वपूर्ण अंतर को उजागर करता है। वास्तविक डेटा और सिमुलेशन के बीच विसंगतियां यह सुझाव देती हैं कि नाभिक के भीतर प्रोटॉन कैसे बिखरते और अंतःक्रिया करते हैं, इसके वर्तमान सिद्धांत अपूर्ण हैं। शोधकर्ताओं ने पाया कि जिस तरह से ये मॉडल परमाणु के भीतर एक-दूसरे से टकराने वाले कणों के क्रम (कैस्केड) को संभालते हैं, वह त्रुटि का प्राथमिक स्रोत है। यह निष्कर्ष अत्यंत महत्वपूर्ण है क्योंकि यह व्यापक वैज्ञानिक समुदाय को बताता है कि उनके मॉडलों को कहाँ सुधार की आवश्यकता है। इन टकरावों का एक विस्तृत मानचित्र प्रदान करके, माइक्रोबून टीम ने भविष्य के प्रयोगों को अपने सिमुलेशन को परिष्कृत करने के लिए एक स्पष्ट लक्ष्य दिया है। यह डेटा, जिसमें टकराव की दर और उनसे जुड़ी अनिश्चितताएं शामिल हैं, अन्य वैज्ञानिकों को अपने मॉडलों को ट्यून करने में मदद करने के लिए जारी कर दिया गया है। अंततः, यह अध्ययन सुनिश्चित करता है कि न्यूट्रिनो प्रयोगों की अगली पीढ़ी एक अधिक ठोस आधार पर निर्मित होगी, जो हमें न्यूट्रिनो के रहस्यों को समझने के और करीब लाएगी।

तकनीकी सारांश: आर्गन पर मेसॉन रहित $\nu_\mu$ चार्ज्ड-करेंट इंटरैक्शन में प्रोटॉन मल्टीप्लिसिटी और किनेमैटिक्स के लिए प्रथम डबल-डिफरेंशियल क्रॉस-सेक्शन माप

समस्या विवरण
न्यूट्रिनो-आर्गन इंटरैक्शन की सटीक मॉडलिंग वर्तमान और भविष्य के त्वरक-आधारित न्यूट्रिनो प्रयोगों, विशेष रूप से डीप अंडरग्राउंड न्यूट्रिनो एक्सपेरिमेंट (DUNE) और शॉर्ट-बेसलाइन न्यूट्रिनो (SBN) प्रोग्राम के लिए एक महत्वपूर्ण व्यवस्थित अनिश्चितता (systematic uncertainty) है। ये प्रयोग लिक्विड आर्गन टाइम प्रोजेक्शन चैंबर्स (LArTPCs) पर निर्भर करते हैं ताकि न्यूट्रिनो इंटरैक्शन के अंतिम अवस्थाओं (final states) का पुनर्निर्माण किया जा सके। एक महत्वपूर्ण चुनौती है अंतिम-अवस्था के प्रोटॉन की संख्या (मल्टीप्लिसिटी) और किनेमैटिक्स, विशेष रूप से हैड्रोनिक सिस्टम की भविष्यवाणी करना। आर्गन पर पिछले मापों ने डेटा और इवेंट जनरेटर भविष्यवाणियों के बीच तनाव दिखाया है, विशेष रूप से किनेमैटिक डिस्ट्रीब्यूशन के बीच सहसंबंधों के संबंध में, लेकिन उनमें विभिन्न प्रोटॉन मल्टीप्लिसिटी या फाइनल-स्टेट इंटरैक्शन (FSI) और मल्टी-न्यूक्लियॉन प्रक्रियाओं की भूमिका को पूरी तरह से समझने के लिए पर्याप्त सूक्ष्मता (granularity) का अभाव था। चार्ज्ड-करेंट म्यून न्यूट्रिनो स्कैटरिंग, जिसमें कोई मेसॉन नहीं होता और एक या अधिक प्रोटॉन होते हैं (जिसे CC0 $\pi N_p$ कहा जाता है), वह प्रमुख टोपोलॉजी है जो 1 GeV से कम ऊर्जा पर प्रभावी है और उच्च ऊर्जाओं पर भी प्रासंगिक बनी रहती है।

कार्यप्रणाली (Methodology)
यह विश्लेषण फर्मी नेशनल एक्सीलरेटर लैब (Fermilab) के बूस्टर न्यूट्रिनो बीम (BNB) से एकत्रित किए गए माइक्रो-बू (MicroBooNE) डिटेक्टर के पूर्ण डेटासेट का उपयोग करता है, जो $1.30 \times 10^{21}$ प्रोटॉन ऑन टारगेट (POT) का एक्सपोजर है। यह एक सतह LArTPC डिटेक्टर है जिसका सक्रिय द्रव्यमान 85 मीट्रिक टन है, जो लक्ष्य से 463 मीटर डाउनस्ट्रीम स्थित है।

यह विश्लेषण उन CC0 $\pi N_p$ घटनाओं को लक्षित करता है जहाँ अंतिम अवस्था में एक या अधिक प्रोटॉन होते हैं और कोई मेसॉन नहीं होता। सिग्नल परिभाषा के लिए एक प्राथमिक म्यून जिसकी मोमेंटम $>0.10$ GeV/c हो और कम से कम एक प्रोटॉन जिसकी मोमेंटम रेंज $[0.25, 1.00]$ GeV/c हो, आवश्यक है। सबलीडिंग प्रोटॉन को तभी पता लगाने योग्य माना जाता है यदि उनकी मोमेंटम 0.25 GeV/c से अधिक हो।

मुख्य कार्यप्रणाली घटक शामिल हैं:

इवेंट सिलेक्शन: विश्लेषण पैटर्न-रिकग्निशन टूलकिट के लिए पेंडोरा (Pandora) मल्टी-एल्गोरिदम का उपयोग करता है। पिछले माइक्रो-बू CC0 $\pi N_p$ विश्लेषणों के विपरीत, यह कार्य चयन दक्षता (जो पिछले कार्य में 12.3% थी) बढ़ाने के लिए म्यून कंटेनमेंट और क्वालिटी कट्स को शिथिल करता है, जिससे प्रोटॉन मल्टीप्लिसिटी और किनेमैटिक्स पर ध्यान केंद्रित किया जा सके (जिससे 39.3% दक्षता प्राप्त हुई)।
अवलोकन योग्य (Observables): अध्ययन डबल-डिफरेंशियल क्रॉस-सेक्शन्स को निम्नलिखित के फलन (function) के रूप में मापता है:
- प्रोटॉन मल्टीप्लिसिटी ( $N_p$ )।
- पहले से चौथे (leading through fourth) प्रोटॉन के मोमेंटा ( $p_{p1}$ से $p_{p4}$ )।
- पहले चार प्रोटॉनों के लिए म्यून-प्रोटॉन ओपनिंग एंगल्स ( $\cos \theta_{\mu p_i}$ )।
- हैड्रोनिक सिस्टम की कुल उपलब्ध गतिज ऊर्जा ( $E_{avail}$ )।
अनफोल्डिंग और सहसंबंध (Unfolding and Correlations): पुनर्गठित डेटा से वास्तविक किनेमैटिक डिस्ट्रीब्यूशन को पुनः प्राप्त करने के लिए, विश्लेषण एक इटरेटिव बायेसियन अनफोल्डिंग विधि (D'Agostini) का उपयोग करता है। एक ब्लॉकवाइज दृष्टिकोण अपनाया गया है, जिसमें समान किनेमैटिक डिस्ट्रीब्यूशन का प्रतिनिधित्व करने वाले बिनों को 11 विशिष्ट ब्लॉक्स में समूहीकृत किया गया है। यह एक कोवेरिएंस मैट्रिक्स के माध्यम से पूर्ण क्रॉस-ब्लॉक सहसंबंधों को संरक्षित करते हुए सभी डिस्ट्रीब्यूशन को एक साथ रिपोर्ट करने की अनुमति देता है।
अनिश्चितता अनुमान: व्यवस्थित अनिश्चितताओं का मूल्यांकन एक मल्टी-यूनिवर्स दृष्टिकोण का उपयोग करके किया जाता है, जिसमें फ्लक्स भविष्यवाणी, न्यूट्रिनो-न्यूक्लियस इंटरैक्शन मॉडलिंग (NuWro को रीवेटिंग सहित मॉडल अंतरों को कवर करने के लिए), हैड्रोन री-इंटरैक्शन, और डिटेक्टर रिस्पॉन्स के लिए सिमुलेशन पैरामीटर्स को बदला जाता है। सांख्यिकीय अनिश्चितताएं कई डिस्ट्रीब्यूशन में इवेंट शेयरिंग को ध्यान में रखती हैं।

प्रमुख योगदान

मल्टीप्लिसिटी-डिपेंडेंट किनेमैटिक्स का प्रथम मापन: यह शोध पत्र आर्गन पर CC0 $\pi N_p$ इंटरैक्शन के प्रोटॉन मल्टीप्लिसिटी और अग्रणी (leading) एवं सबलीडिंग प्रोटॉन के किनेमैटिक्स के रूप में प्रथम डबल-डिफरेंशियल क्रॉस-सेक्शन मापन प्रस्तुत करता है।
व्यापक जनरेटर तुलना: अनफोल्डेड क्रॉस-सेक्शन्स की तुलना कई व्यापक रूप से उपयोग किए जाने वाले इवेंट जनरेटर्स के विरुद्ध की जाती है: GENIE (विभिन्न FSI मॉडल के साथ MicroBooNE ट्यून और AR23 कॉन्फ़िगरेशन), NuWro (फाइन-ट्यून्ड FSI के साथ और बिना), NEUT, और GiBUU (इन-मीडियम सुधारों के साथ और बिना)।
डेटा रिलीज: विश्लेषण एक व्यापक डेटा रिलीज प्रदान करता है जिसमें प्रति बिन मापे गए क्रॉस-सेक्शन्स, कुल अनिश्चितताएं, जनरेटर भविष्यवाणियां, और 183 बिनों के बीच सहसंबद्ध अनिश्चितताओं का वर्णन करने वाले पूर्ण कोवेरिएंस मैट्रिसेस शामिल हैं।

परिणाम
डेटा और जनरेटर भविष्यवाणियों के बीच तुलना महत्वपूर्ण विसंगतियों को प्रकट करती है, जो फाइनल-स्टेट इंटरैक्शन की मॉडलिंग के प्रति संवेदनशीलता को उजागर करती है:

वैश्विक सहमति (Global Agreement): कोई भी एकल जनरेटर पूरे डेटासेट का पूर्णतः पर्याप्त विवरण प्रदान नहीं करता है। सर्वोत्तम वैश्विक सहमति GiBUU 2025 द्वारा प्राप्त की गई है, जिसमें न्यूक्लियॉन-न्यूक्लियॉन क्रॉस-सेक्शन्स के लिए इन-मीडियम सुधार शामिल हैं ( $\chi^2/ndof = 428.8/145$ ), इसके बाद डिफॉल्ट GiBUU और GENIE AR23 hA कॉन्फ़िगरेशन का स्थान है।
FSI संवेदनशीलता: परिणाम FSI मॉडलिंग के प्रति मजबूत संवेदनशीलता प्रदर्शित करते हैं। GENIE AR23 कॉन्फ़िगरेशन के भीतर FSI मॉडलों के बदलावों से $\chi^2$ मानों की एक विस्तृत श्रृंखला (488.1 से 1200.6 तक) प्राप्त होती है, जो यह संकेत देती है कि न्यूक्लियर कैस्केड का उपचार डेटा-मॉडल विसंगतियों का एक प्रमुख चालक है।
विशिष्ट विसंगतियां:
- प्रोटॉन मल्टीप्लिसिटी: प्रोटॉन मल्टीप्लिसिटी डिस्ट्रीब्यूशन में महत्वपूर्ण असहमति देखी गई है, विशेष रूप से बैकवर्ड ओपनिंग एंगल्स और सबलीडिंग प्रोटॉन किनेमैटिक्स के लिए।
- लीडिंग प्रोटॉन ओपनिंग एंगल: अधिकांश जनरेटर सिंगल-प्रोटॉन घटनाओं ( $N_p=1$ ) के लिए बैकवर्ड एंगल्स ( $\cos \theta_{\mu p_1} < 0$ ) पर क्रॉस-सेक्शन को कम आंकते हैं।
- जनरेटर विशिष्टताएं: NEUT व्यवस्थित रूप से सिंगल-प्रोटॉन घटनाओं की तुलना में मल्टी-प्रोटॉन घटनाओं ( $N_p \ge 2$ ) को ओवरप्रेडिक्ट करता है और उच्च-ऊर्जा वाले हैड्रोनिक सिस्टम को बढ़ाकर दिखाता है। NuWro कम मोमेंटम पर क्रॉस-सेक्शन को कम आंकता है। AR23 INCL कॉन्फ़िगरेशन व्यवस्थित रूप से समग्र प्रोटॉन यील्ड को कम आंकता है।
- सबलीडिंग प्रोटॉन: जबकि लीडिंग प्रोटॉन डिस्ट्रीब्यूशन मजबूत मॉडल निर्भरता दिखाते हैं, सबलीडिंग प्रोटॉन (2nd, 3rd, 4th) के कोणीय डिस्ट्रीब्यूशन आम तौर पर सभी जनरेटर्स द्वारा अच्छी तरह से पुनरुत्पादित (reproduced) किए जाते हैं, जो यह सुझाव देता है कि इन कणों की आइसोट्रॉपी इंट्रा-न्यूक्लियर री-स्कैटरिंग की एक जेनेरिक विशेषता है जो विशिष्ट कैस्केड मॉडलों के प्रति कम संवेदनशील है।

महत्व
यह पेपर दावा करता है कि ये माप इवेंट जनरेटर्स में फाइनल-स्टेट इंटरैक्शन और मल्टी-न्यूक्लियॉन प्रक्रियाओं की मॉडलिंग को परीक्षण करने और परिष्कृत करने के लिए एक अद्वितीय बेंचमार्क प्रदान करते हैं। परिणाम सीधे DUNE और SBN भौतिकी कार्यक्रमों की मॉडलिंग आवश्यकताओं को संबोधित करते, जो न्यूट्रिनो ऊर्जा अनुमान और इवेंट क्लासिफिकेशन के लिए सटीक हैड्रोनिक सिस्टम के पुनर्निर्माण पर निर्भर करते हैं। लेखक निष्कर्ष निकालते हैं कि हालांकि BUU ट्रांसपोर्ट फ्रेमवर्क (जो GiBUU में उपयोग किया जाता है) वर्तमान में सबसे पूर्ण विवरण प्रदान करता है, फिर भी महत्वपूर्ण मॉडलिंग कमियां मौजूद हैं, विशेष रूप से वाइड ओपनिंग एंगल्स पर सिंगल-प्रोटॉन फाइनल स्टेट्स के उपचार और न्यूक्लियर कैस्केड की शक्ति के संबंध में। व्यापक डेटा रिलीज का उद्देश्य जनरेटर समुदाय को ट्यूनिंग और वैलिडेशन के लिए इन परिणामों का उपयोग करने में सक्षम बनाना है।

इसी तरह के और पेपर