Parton Fragmentation Functions Extracted with a Physics-Informed Neural Network

Sintesi Tecnica: Funzioni di Frammentazione dei Partoni Estratte con una Rete Neurale Informata dalla Fisica

Enunciato del Problema
Le previsioni affidabili per i processi di interazione forte ad alta energia dipendono criticamente dalle Funzioni di Frammentazione (FF) dei partoni non perturbative. Tradizionalmente, l'estrazione delle FF dai dati sperimentali richiede l'assunzione di specifiche forme funzionali parametrizzate a una scala di input e la successiva evoluzione tramite le equazioni di evoluzione di Dokshitzer-Gribov-Lipatov-Altarelli-Parisi (DGLAP). Questo approccio convenzionale introduce un potenziale bias di parametrizzazione e si basa su forme funzionali rigide che potrebbero non catturare pienamente la dinamica non perturbativa. Inoltre, la valutazione numerica iterativa dell'evoluzione DGLAP e delle convoluzioni delle sezioni d'urto durante i fit globali è computazionalmente onerosa, particolarmente quando si scansionano ampi spazi di parametri.

Metodologia
Gli autori propongono un approccio innovativo che utilizza una Rete Neurale Informata dalla Fisica (PINN) per determinare le FF dei partoni senza assunzioni pregresse di forme parametrizzate. La metodologia integra direttamente le equazioni di evoluzione DGLAP nell'architettura della rete neurale.

• Architettura della Rete: Il framework impiega un design a cascata con due reti completamente connesse (NN1 e NN2). NN1 codifica la dipendenza da $Q^2$ tramite la variabile di evoluzione $\ln(Q^2)$, mentre NN2 elabora l'input combinato della variabile cinematica $z$ e delle caratteristiche latenti da NN1 per produrre funzioni ausiliarie. Le FF sono costruite come $zD_i^{h\pm}(z, Q) = (1-z)^{\nu_i} \nu_i(z, Q)$ per imporre la condizione al contorno $D(z=1)=0$ e garantire la positività.
• Vincoli Fisici: La rete viene addestrata utilizzando una funzione di perdita composita che minimizza le deviazioni dai dati sperimentali e, simultaneamente, penalizza le violazioni delle equazioni di evoluzione DGLAP. Per migliorare l'efficienza numerica, i vincoli di evoluzione sono imposti nello spazio di Mellin, dove gli integrali di convoluzione si riducono a prodotti algebrici.
• Differenziazione: La differenziazione automatica viene utilizzata all'interno del ciclo di ottimizzazione per calcolare le derivate di scala richieste per i residui DGLAP, garantendo la precisione analitica senza ricorrere alla differenziazione simbolica.
• Dati e Incertezza: L'estrazione utilizza dati di annichilazione elettrone-positrone a inclusione singola (SIA) provenienti dalle collaborazioni ALEPH, TASSO, TPC, OPAL, DELPHI e SLD. Il dataset include misurazioni di sezioni d'urto inclusive, con tracciamento di sapore (uds, c, b) e longitudinali per vincolare la frammentazione di quark leggeri, pesanti e gluoni. Le incertezze sperimentali sono propagate utilizzando il metodo dei repliche Monte Carlo, generando un insieme di 100 set di pseudodati.

Contributi Chiave

1. Estrazione Non Parametrica: Lo studio dimostra un metodo per estrarre le FF che non dipende da forme funzionali predefinite, riducendo così il bias di parametrizzazione e permettendo ai dati di dettare la forma funzionale.
2. Evoluzione Integrata: Incorporando le equazioni DGLAP direttamente nella funzione di perdita, le FF estratte soddisfano automaticamente i vincoli di evoluzione QCD nel dominio $(z, \mu)$, eliminando la necessità di passaggi di evoluzione separati durante il processo di fitting.
3. Implementazione nello Spazio di Mellin: Il lavoro implementa con successo la trasformata di Mellin inversa e l'evoluzione DGLAP all'interno del framework della rete neurale, sfruttando l'efficienza dei momenti di Mellin per risolvere le equazioni differenziali-integrali accoppiate.

Risultati

• Verifica DGLAP: Le FF estratte sono state verificate rispetto all'evoluzione numerica standard DGLAP. I risultati della PINN a scale di 14 GeV e 1 TeV (quest'ultimo al di fuori dell'intervallo dei dati di addestramento) concordano con l'evoluzione numerica diretta entro una precisione del 5%, confermando la capacità della rete di soddisfare le equazioni di evoluzione.
• Confronto con Fit Esistenti: Le FF estratte sono state confrontate con le parametrizzazioni AKK08 e KRE. Mentre le FF dei quark singletoni hanno mostrato accordo nell'intervallo $z \in [0.05, 0.8]$, sono state osservate discrepanze per le FF di gluoni e quark pesanti, particolarmente a grandi valori di $z$. Gli autori attribuiscono la discrepanza del gluone all'uso esclusivo di dati SIA in questo studio, laddove AKK08 e KRE incorporano dati di collisioni protone-protone che forniscono vincoli più forti sulla frammentazione dei gluoni.
• Test di Chiusura (Closure Test): È stato eseguito un test di chiusura in cui le FF estratte sono state utilizzate per generare sezioni d'urto teoriche, che sono state poi utilizzate per riaddestrare la rete. I risultati del riaddestramento sono rimasti coerenti con l'estrazione originale (entro una deviazione del 20% nell'intervallo $z \in [0.01, 0.8]$), dimostrando la stabilità e la riproducibilità del metodo.
• Applicazione Fenomenologica: Le FF estratte sono state applicate per calcolare gli spettri di adroni carichi a inclusione singola in collisioni protone-(anti)protone alle energie di RHIC e LHC ($\sqrt{s} = 130$ a $7000$ GeV). I calcoli pQCD al Next-to-Leading Order (NLO) utilizzando le FF estratte con la PINN si sono allineati bene con i dati sperimentali in questo ampio intervallo di energie, validando l'universalità delle funzioni estratte.

Significato
Il paper sostiene che il metodo PINN rappresenti un passo avanti significativo nell'estrazione di quantità non perturbative. Eliminando la necessità di forme parametrizzate e disaccoppiando il processo di fitting dai passaggi separati di evoluzione DGLAP, l'approccio semplifica la procedura di estrazione e ne migliora l'applicabilità universale attraverso diverse scale di energia. Gli autori pongono che questo framework offra una stima delle FF più robusta e priva di bias, potenzialmente rivelando caratteristiche trascurate dai metodi parametrici tradizionali, e pone le basi per future applicazioni che coinvolgono equazioni di evoluzione modificate nelle collisioni di ioni pesanti.