Global Analysis of Nuclear Parton Distribution Functions using Markov Chain Monte Carlo

प्रत्येक परमाणु के भीतर, प्रोटॉन और न्यूट्रॉन ठोस, अविभाज्य गोले नहीं हैं, बल्कि क्वार्क और ग्लूऑन नामक छोटे कणों के हलचल भरे शहर हैं। ये घटक, जिन्हें सामूहिक रूप से पार्टोन कहा जाता है, लगभग प्रकाश की गति से इधर-उधर दौड़ते हैं, और उन्हें प्रबल नाभिकीय बल (strong nuclear force) द्वारा एक साथ थामे रखा जाता है। यह समझने के लिए कि अत्यधिक वातावरण में पदार्थ कैसे व्यवहार करता है, चाहे वह एक तारे का हृदय हो या लार्ज हैड्रॉन कोलाइडर के भीतर होने वाली टक्करें, भौतिकविदों को यह मानचित्र बनाना होगा कि ये पार्टोन अपने मूल कण के संवेग (momentum) को कैसे साझा करते हैं। इस मानचित्र को 'पार्टोन डिस्ट्रीबション फंक्शन' (parton distribution function) कहा जाता है। जब प्रोटॉन और न्यूट्रॉन एक भारी परमाणु नाभिक के भीतर एक साथ बंधे होते हैं, तो नियम बदल जाते हैं। भीड़भाड़ वाला नाभिकीय वातावरण पार्टोन के मानचित्रों को विकृत कर देता है, जिससे एक जटिल, संशोधित परिदृश्य बनता है जिसे वैज्ञानिक 'न्यूक्लियर पार्टोन डिस्ट्रीब션 फंक्शन्स' कहते हैं। इन मानचित्रों का निर्धारण उच्च-ऊर्जा प्रयोगों के परिणामों की भविष्यवाणी करने के लिए महत्वपूर्ण है, लेकिन यह अत्यंत कठिन है क्योंकि डेटा विरल होता है और सबसे सटीक फिट खोजने के लिए उपयोग किया जाने वाला गणितीय परिदृश्य अक्सर ऊबड़-खाबड़ और छिपी हुई घाटियों से भरा होता है।

द दशकों तक, शोधकर्ता इस क्षेत्र में नेविगेट करने के लिए एक मानक गणितीय शॉर्टकट पर निर्भर रहे हैं। यह विधि, जिसे हेसियन दृष्टिकोण (Hessian approach) के रूप में जाना जाता है, यह मानती है कि सर्वोत्तम समाधान के आसपास का परिदृश्य एक चिकना, सममित कटोरा है, जैसे कि एक आदर्श परवलय (parabola)। कटोरे के किनारों के ढलान को मापकर, वैज्ञानिक यह अनुमान लगा सकते हैं कि उनके मानचित्र में अनिश्चितता कितनी है। हालाँकि, यह धारणा केवल तभी सबसे अच्छा काम करती है जब डेटा प्रचुर मात्रा में हो और चरों के बीच संबंध सरल हों। भारी नाभिकों के मामले में, जहाँ प्रायोगिक डेटा सीमित है और विभिन्न प्रकार के कणों के बीच संबंध उलझे हुए हैं, यह चिकने-कटोरे वाली धारणा अक्सर विफल हो जाती है। वास्तविक परिदृश्य ऊबड़-खाबड़, झुका हुआ, या यहाँ तक कि इसमें कई अलग-अलग घाटियाँ हो सकती हैं जहाँ समाधान छिप सकता है। यदि वैज्ञानिक यह मान लेते हैं कि परिदृश्य चिकना है जबकि वह वास्तव में ऊबड़-खाबड़ है, तो उनके अनिश्चितता के अनुमान भ्रामक हो सकते हैं, जो परमाणु नाभिक की वास्तविक जटिलता को छिपा सकते हैं।

इस समस्या के समाधान के लिए, नसीम डेराखशानिया के नेतृत्व में एक शोधकर्ता ने 'मार्कोव चेन मोंटे कार्लो' (Markov Chain Monte Carlo) नामक तकनीक का उपयोग करके इन नाभिकीय मानचित्रों का पता लगाने का एक नया तरीका विकसित किया। यह मान लेने के बजाय कि परिदृश्य एक चिकना कटोरा है, यह विधि खोज को एक विशाल, अज्ञात क्षेत्र में एक निर्देशित यात्रा की तरह मानती है। शोधकर्ता ने एक कंप्यूटर प्रोग्राम बनाया जो लाखों यादृच्छिक कदम उठाता है, और लगातार यह जाँचता है कि प्रत्येक कदम उपलब्ध प्रायोगिक डेटा के साथ कितनी अच्छी तरह मेल खाता है। समय के साथ, प्रोग्राम परिदृश्य के वास्तविक आकार को सीखता है, वह उन गहरी घाटियों में अधिक समय बिताता है जहाँ समाधान सबसे अच्छे होते हैं और उन ऊंचे शिखरों पर कम समय बिताता है जहाँ डेटा मेल नहीं खाता। यह उन्हें सीधे संपूर्ण संभाव्यता वितरण (probability distribution) का नमूना लेने की अनुमति देता है, जिससे विषमताएं, कई समाधान और जटिल सहसंबंधों को पकड़ा जा सके जिन्हें पुराना तरीका छोड़ देता।

शोधकर्ता ने लेड (सीसा) के नाभिक पर इस नए दृष्टिकोण को लागू किया, जो प्रयोगों में उपयोग किए जाने वाले सबसे भारी और जटिल परमाणुओं में से एक है। उन्होंने अपने निष्कर्षों की मजबूती का परीक्षण करने के लिए दो अलग-अलग प्रकार के विश्लेषण किए। सबसे पहले, उन्होंने विशेष रूप से लेड नाभिकों के डेटा को देखा, जिससे एक "लेड-ओनली" (केवल लेड वाला) मानचित्र बनाया गया ताकि बाहरी प्रभाव के बिना फिट की आंतरिक संरचना देखी जा सके। इस विश्लेषण ने एक अत्यधिक जटिल और गैर-तुच्छ संरचना का खुलासा किया। कंप्यूटर सैंपलिंग ने उजागर किया कि वैलेंस क्वार्क (valence quarks)—वे मुख्य कण जो प्रोटॉन को उसकी पहचान देते हैं—के विवरण देने वाले पैरामीटर एक एकल, चिकनी घाटी में नहीं बैठे थे। इसके बजाय, परिदृश्य में कई स्थानीय न्यूनतम (local minima), या माध्यमिक घाटियाँ थीं, जहाँ फिट भी काफी अच्छा हो सकता था। समाधानों का वितरण तिरछा और असममित था, जिसका अर्थ था कि अनिश्चितता सभी दिशाओं में एक समान नहीं थी। मानक हेसियन विधि, जो एक एकल, सममित घाटी मानती है, इस बहु-शिखर वास्तविकता को पकड़ने में विफल रही, जिससे प्रभावी रूप से जटिल संरचना को सपाट कर दिया गया और अनिश्चितता की एक अधूरी तस्वीर प्रदान की गई।

यह देखने के लिए कि अधिक जानकारी जोड़ने पर यह जटिल चित्र कैसे बदलता है, शोधकर्ता ने फिर एक दूसरा विश्लेषण किया जिसमें केवल लेड ही नहीं, बल्कि हल्के नाभिकों की एक विस्तृत श्रृंखला का डेटा शामिल किया गया। विभिन्न परमाणु द्रव्यमानों के डेटा को एक मानक गणितीय संबंध के माध्यम से जोड़कर, उन्होंने नए प्रतिबंध (constraints) पेश किए जो लेड के व्यवहार को हल्के तत्वों से जोड़ते हैं। इस "मल्टी-न्यूक्लिआई" (बहु-नाभिक) विश्लेषण ने परिदृश्य को महत्वपूर्ण रूप से बदल दिया। माध्यमिक घाटियाँ, जो लेड-ओनली विश्लेषण में प्रमुख थीं, काफी हद तक दब गईं, और पैरामीटर स्पेस अधिक नियमित और एक एकल, प्रमुख घाटी के करीब हो गया। हल्के नाभिकों के समावेश ने एक शक्तिशाली एंकर के रूप में कार्य किया, जिससे क्वार्क वितरणों पर प्रतिबंध कड़े हो गए और लेड मैप में अनिश्चितता कम हो गई। हालाँकि, इन अतिरिक्त प्रतिबंधों के बावजूद, शोधकर्ता ने पाया कि परिदृश्य पूरी तरह से सममित नहीं था। सूक्ष्म गैर-गॉसियन विशेषताएं और असममित पूंछ (tails) बनी रहीं, विशेष रूप से वैलेंस क्वार्क वितरणों में, जिन्हें मानक हेसन विधि अभी भी मिस कर देती।

दोनों दृष्टिकोणों के बीच सीधा तुलना ने यह स्पष्ट किया कि वे डेटा को कैसे अलग तरह से संभालते हैं। लेड-ओनली विश्लेषण में, नए तरीके ने दिखाया कि क्वार्क वितरणों के लिए अनिश्चितता बैंड पुराने तरीके की तुलना में बहुत व्यापक और अधिक असममित थे। पुराना तरीका, चिकने-कटोरे वाली धारणा पर भरोसा करते हुए, संभावनाओं की वास्तविक सीमा को कम करके आंकता था। जब मल्टी-न्यूक्लिआई डेटा जोड़ा गया, तो अनिश्चितता कम हो गई, लेकिन नए तरीके ने अभी भी एक अधिक यथार्थवादी, प्रतिबंधित अनिश्चितता को प्रकट किया जो शेष विषमताओं को ध्यान में रखती है। दिलचस्प बात यह है कि ग्लूऑन्स (gluons)—वे कण जो प्रबल बल को वहन करते हैं—का वितरण दोनों विश्लेषणों में अपेक्षाकृत स्थिर रहा। चूंकि ग्लूऑन वितरण लार्ज हैड्रॉन कोलाइडर में लेड टकरावों के प्रत्यक्ष डेटा से पहले से ही अच्छी तरह से निर्धारित है, इसलिए हल्के नाभिकों से डेटा जोड़ने से ग्लूऑन्स के लिए चित्र में महत्वपूर्ण बदलाव नहीं आया, जबकि क्वार्क वितरण जो नए प्रतिबंधों के प्रति अधिक संवेदनशील थे, उनमें बदलाव देखा गया।

अध्ययन ने यह भी प्रदर्शित किया कि इन जटिल परिणामों को अन्य वैज्ञानिकों के लिए उपयोगी बनाने का एक व्यावहारिक तरीका क्या है। नया तरीका पूर्ण संभाव्यता वितरण का प्रतिनिधित्व करने के लिए हजारों व्यक्तिगत नमूने (samples) उत्पन्न करता है, जो सीधे साझा करने के लिए बहुत बड़ा है। शोधकर्ता ने इस विशाल डेटासेट को आवश्यक सांख्यिकीय जानकारी खोए बिना छोटे, प्रबंधनीय नमूनों के सेट में संपीड़ित (compress) करने के विभिन्न तरीकों का परीक्षण किया। उन्होंने पाया कि जबकि केवल नियमित अंतराल पर नमूनों को चुनना केंद्रीय मानों के लिए अच्छा काम करता था, लेकिन यदि नमूना आकार बहुत छोटा हो जाता है, तो यह अनिश्चितता बैंड को विकृत कर सकता है। एक अधिक परिष्कृत संपीड़न एल्गोरिदम, जो पूरे डेटासेट के आकार और सहसंबंधों को बनाए रखने के लिए नमूनों का सावधानीपूर्वक चयन करता है, बेहतर प्रदर्शन करता था, बशर्ते कि अंतिम सेट को बहुत अधिक कम न किया जाए।

अंततः, यह कार्य यह स्थापित करता है कि न्यूक्लियर पार्टोन डिस्ट्रीब्यूशन फंक्शन्स का सांख्यिकीय परिदृश्य पहले की तुलना में कहीं अधिक जटिल है। समाधान स्थान को एक चिकने, सममित कटोरे के रूप में अनुमानित करने का मानक तरीका, विशेष रूप से लेड जैसे भारी नाभिकों के साथ काम करते समय, पूर्ण जटिलता को पकड़ने के लिए अपर्याप्त है। पूरे परिदृश्य का सीधे नमूना लेने वाली विधि का उपयोग करके, शोधकर्ता ने छिपी हुई संरचनाओं, जैसे कि कई प्रतिस्पर्धी समाधानों और असममित अनिश्चितताओं को प्रकट किया, जो पहले अदृश्य थे। यह दृष्टिकोण हमारे परमाणु नाभिक की समझ में अज्ञात को मापने का एक अधिक विश्वसनीय और पारदर्शी तरीका प्रदान करता है, यह सुनिश्चित करता है कि उच्च-ऊर्जा भौतिकी प्रयोगों के भविष्य के अनुमान एक ऐसे आधार पर बने जो वास्तव में डेटा की जटिलता को दर्शाता है।