Neural S-matrix bootstrap II: solvable 4d amplitudes with particle production

Sintesi Tecnica: Neural S-matrix bootstrap II: ampiezze 4d risolvibili con produzione di particelle

Definizione del Problema
Questo lavoro affronta la costruzione non perturbativa di ampiezze di scattering $2 \to 2$ in una teoria quantistica dei campi quadridimensionale che includa la produzione di particelle. Gli autori si concentrano su una classe specifica di ampiezze definite da grafici "due-particelle-ricorsivamente-riducibili" (2PRR). Questi sono diagrammi che possono essere ridotti a un singolo vertice attraverso il taglio ripetuto di due linee interne. Mentre la teoria delle perturbazioni li definisce tramite diagrammi di Feynman, gli autori cercano una soluzione non perturbativa che soddisfi unitarietà e simmetria di crossing senza sommare esplicitamente i diagrammi.

La sfida centrale è risolvere le equazioni integrali non lineari accoppiate (il bootstrap di Atkinson–Mandelstam) che mettono in relazione le densità spettrali singola e doppia dell'ampiezza. Approcci precedenti, come i metodi iterativi a punto fisso, spesso falliscono nel convergere a accoppiamenti forti o non riescono a catturare il corretto comportamento ad alta energia (Regge). Esiste inoltre una tensione nella letteratura del bootstrap della S-matrix tra soluzioni estreme (che tendono a essere elastiche) e il teorema di Aks, il quale afferma che lo scattering non banale in $d > 2$ necessita di produzione di particelle.

Metodologia
Gli autori riformulano il problema del bootstrap come un compito di ottimizzazione informato dalla fisica utilizzando reti neurali (PINN).

1. Formalismo: L'ampiezza $T(s,t)$ è rappresentata tramite una rappresentazione di Mandelstam con una sottrazione singola, caratterizzata da una costante di sottrazione $c_0$, una densità spettrale singola $\rho(s)$ e una densità spettrale doppia $\rho(s,t)$.

   • Definizione 2PRR: Gli autori definiscono le ampiezze 2PRR ponendo la discontinuità doppia multi-particella $\rho_{MP}(s,t)$ e la relativa inelasticità spettrale singola $\rho_{MP}(s)$ pari a zero. La piena discontinuità doppia è quindi $\rho(s,t) = \rho_{el}(s,t) + \rho_{el}(t,s)$, dove $\rho_{el}$ soddisfa l'equazione di Mandelstam (imponendo l'unitarietà elastica per $J>0$).
   • Unitarietà J=0: Una condizione separata impone l'unitarietà per l'onda parziale di spin-0, collegando la densità spettrale singola all'inelasticità $\eta_0$.

2. Architettura della Rete Neurale:

   • Due reti, $NN_\rho$ e $NN_{DDisc}$, parametrizzano le densità spettrali singola e doppia, rispettivamente.
   • Rappresentazione dell'Input: Per gestire l'ampio intervallo di scale energetiche (dalla soglia alla UV), gli input vengono forniti sia in forma lineare ($x, y$) che logaritmica ($\log x, \log y$).
   • Struttura: Le reti utilizzano sub-reti parallele per diversi regimi cinematici (bassa energia, energia mista, asintotico) che vengono fuse tramite strati di intreccio (intertwining layers).
   • Vincoli: L'architettura integra direttamente proprietà fisiche note, come il supporto di $\rho(s,t)$ sopra le curve di Landau principali e la positività di $\rho(s,t)$ nella regione di Mahoux–Martin.

3. Strategia di Ottimizzazione:

   • Le equazioni di unitarietà vengono convertite in un funzionale di perdita $\mathcal{L}$, che è una somma pesata di penalità per la violazione dell'equazione di Mandelstam, dell'unitarietà dello spin-0 e dell'unitarietà dell'inelasticità ($|S_J| \le 1$).
   • Mixing del Gradiente: Per gestire le diverse scale numeriche dei vincoli, gli autori impiegano una strategia di gradient-mixing dove gli aggiornamenti delle reti spettrali singola e doppia sono guidati principalmente dai rispettivi termini di perdita dominanti, con un accoppiamento incrociato controllato.
   • Addestramento: Il processo segue un approccio a stadi partendo da griglie sparse e cutoff di energia bassi ($10^8 m^2$) e raffinando progressivamente con griglie più dense e cutoff più elevati ($10^{16} m^2$) per garantire la completezza UV.

Contributi Chiave e Risultati

1. Costruzione Numerica di Ampiezze 2PRR:

   • Gli autori costruiscono con successo una famiglia a un parametro di ampiezze 2PRR per accoppliamenti $0 \le c_0 \lesssim 44\pi$.
   • Comportamento Regge Emergente: Le soluzioni esibiscono un limite di Regge stabile e non perturbativo. Nel limite di Regge ($s \to \infty, t$ fisso), l'ampiezza tende a una costante, coerentemente con un polo di Regge $J=0$.
   • Decadimento ad Angolo Fisso: Ad alte energie e angoli fissi, l'ampiezza decade come $1/\log s$, coerentemente con la corsa di un accoppiamento negativo nella teoria $\phi^4$.
   • Trasparenza: Le onde parziali $S_J(s)$ tendono all'unità quando $s \to \infty$, indicando che lo scattering diventa trasparente ad alte energie, nonostante la significativa inelasticità a energie intermedie.

2. Produzione di Particelle e Inelasticità:

   • Le ampiezze 2PRR mostrano naturalmente una produzione di particelle considerevole, particolarmente vicino alla soglia delle quattro particelle ($s=16m^2$).
   • L'inelasticità cresce con l'accoppiamento $c_0$. Gli autori osservano una crescita in legge di potenza dell'inelasticità massima, suggerendo l'esistenza di un accoppiamento critico dove l'onda $S$ diventa puramente incompleta.

3. Screening di Aks:

   • Gli autori estendono il framework per trattare i dati multi-particella ($\rho_{MP}$) come una variabile dinamica piuttosto che come un input fisso.
   • Dimostrano che, sintonizzando $\rho_{MP}$, è possibile sopprimere la produzione di particelle nelle onde parziali a basso spin (ad esempio, imponendo $|S_0|=1$ o $|S_2|=1$). Chiamano questo fenomeno "screening di Aks".
   • Costo dello Screening: Sopprimere l'inelasticità spinge l'ampiezza verso i valori estremi trovati negli studi di bootstrap semidefinito. Tuttavia, ciò richiede che $\rho_{MP}$ diventi grande e altamente oscillatorio. Gli autori forniscono limiti che mostrano come l'ordine di grandezza di $\rho_{MP}$ debba crescere esponenzialmente con il numero di spin schermati ($J_{max}$).

4. Consistenza con il Bootstrap Semidefinito:

   • Iniettando i profili di inelasticità estratti dalle soluzioni 2PRR in un setup standard di bootstrap semidefinito (primal), gli autori dimostrano che il bootstrap recupera le stesse osservabili a bassa energia e il comportamento di Regge, validando la coerenza dei due approcci.

Significatività e Rivendicazioni
Il lavoro sostiene di fornire la prima soluzione numerica al bootstrap di Atkinson–Mandelstam per ampiezze con produzione di particelle che siano completamente UV-complete ed esibiscano un comportamento di Regge emergente.

• Oltre la Perturbazione: I risultati rivelano caratteristiche non perturbative (come il decadimento logaritmico specifico e la reggeizzazione) che sono invisibili alla teoria delle perturbazioni a ordine fisso o agli approcci focalizzati esclusivamente sulle osservabili a bassa energia.
• Dati Multi-particella Variazionali: Una novità concettuale è trattare i dati multi-particella come un grado di libertà dinamico. Ciò permette di esplorare lo spazio completo delle ampiezze consistenti e offre un meccanismo (screening di Aks) per riconciliare l'esistenza della produzione di particelle con la natura "elastica" delle soluzioni di bootstrap estremo.
• Limitazioni: Gli autori notano che per accoppliamenti $c_0 \gtrsim 44\pi$, l'ottimizzazione numerica fallisce nel convergere a una soluzione reggeizzata, e per $c_0 > 56\pi$, non sono state trovate soluzioni con convergenza. Interpretano questo come un'osservazione empirica dei limiti numerici attuali o di un confine fisico della classe 2PRR, piuttosto che come un'esclusione definitiva.

Questo lavoro stabilisce un ponte tra la dettagliata struttura analitica dei diagrammi di Feynman (tramite la classe 2PRR) e i vincoli assiomatici del bootstrap della S-matrix, offrendo un nuovo strumento per esplorare lo spazio delle teorie quantistiche consistenti.