KineticXGPU: A Tensorized Collision Operator for Dark-Sector Self-Scattering

Sintesi Tecnica: KineticXGPU: Un Operatore di Collisione Tensorizzato per l'Auto-scattering del Settore Oscuro

Definizione del Problema
La natura microscopica della materia oscura (DM) rimane ignota, con l'ipotesi di storie di produzione alternative come il freeze-in che guadagna terreno a causa della mancanza di segnali di rilevamento diretto. In scenari in cui la DM è prodotta tramite molteplici canali in tempi diversi (ad esempio, decadimenti termici precoci e decadimenti tardivi di un condensato), la distribuzione risultante nello spazio delle fasi può essere non termica e bimodale. Sebbene le auto-interazioni possano rilassare tali distribuzioni verso l'equilibrio termico (Equilibrio Termico Locale, LTE), l'efficienza di questo processo dipende dal tasso di scattering elastico $2 \to 2$.

Risolvere l'equazione di Boltzmann completa (fBE) per tracciare l'evoluzione dipendente dal momento di tali distribuzioni è numericamente oneroso. L'operatore di collisione elastica accoppia diverse regioni dello spazio delle fasi, richiedendo una sommatoria su tutta la griglia di momenti per ogni bin. Gli strumenti pubblici esistenti per l'evoluzione della materia oscura (ad esempio, DRAKE, BEST) si affidano spesso a implementazioni basate su CPU o ad approssimazioni fluidodinamiche (equazioni di Boltzmann accoppiate, cBE) che assumono una forma termica. Le approssimazioni fluidodinamiche non riescono a catturare le caratteristiche non termiche, mentre i risolutori basati su CPU che risolvono il momento faticano a causa del costo computazionale degli integrali ad alta dimensionalità richiesti dal termine di collisione.

Metodologia
Gli autori presentano KineticXGPU, un'implementazione basata su PyTorch dell'operatore di auto-collisione elastica $2 \to 2$ progettata per l'accelerazione tramite GPU.

1. Discretizzazione e Tensorizzazione:

   • L'equazione di Boltzmann viene risolta per la distribuzione nello spazio delle fasi $f(t, p)$ in un universo in espansione. Gli autori passano al momento comovente $q = a(t)p$ per rimuovere il termine di redshift di Hubble dal lato sinistro.
   • Lo spazio dei momenti viene discretizzato su una griglia logaritmica. L'operatore di collisione, che comporta un integrale quadridimensionale sui momenti vincolato dalla conservazione di energia e momento, viene ridotto a una sommatoria su punti di griglia.
   • Fondamentalmente, l'operatore discretizzato viene riformulato come una serie di contrazioni tensoriali. La struttura guadagno-perdita ($f_n f_m - f_i f_{\tilde{j}}$) viene valutata sommando sugli indici di momento interni ($n, m$) per ogni bin esterno ($i$). Questa struttura permette alle operazioni di essere altamente parallelizzabili, mappandosi naturalmente sulle architetture GPU.

2. Implementazione Numerica:

   • Integrazione: L'evoluzione temporale utilizza il fattore di scala $a$ (o $u = \log a$) come variabile indipendente. La strategia di integrazione è adattiva:
     • Ai tempi precoci in cui lo scattering auto-indotto è trascurabile ($\Gamma_{2\to2} \ll H$), viene utilizzato un metodo Runge-Kutta del quarto ordine a passo fisso con il termine di collisione impostato a zero.
     • Una volta che il tasso di scattering diventa significativo ($\Gamma_{2\to2}/H > 10^{-2}$), il risolutore passa a un metodo Heun adattivo per gestire la non linearità del termine di collisione.
   • Conservazione: Per garantire la stretta conservazione del numero di particelle e dell'energia (momenti di ordine zero e primo), gli autori implementano una tecnica di proiezione. Il contributo elastico è proiettato sul sottospazio con momenti nulli per correggere gli errori numerici derivanti da intervalli di griglia finiti, interpolazione e quadratura.
   • Validazione: Il codice è validato rispetto all'evaluatore semi-analitico nel framework BEST. I confronti mostrano accordo nei valori dell'operatore di collisione, con residui che si verificano principalmente vicino alle caratteristiche non termiche dove la sensibilità dell'interpolazione è più alta.

3. Scenario Fisico:
   Il codice viene applicato a uno scenario di "doppio-sorgente di freeze-in" che coinvolge una particella di DM scalare $\chi$.

   • Sorgente 1: Decadimenti del portale di Higgs ($h \to \chi\chi$) che avvengono precocemente nel bagno termico.
   • Sorgente 2: Decadimento di un condensato scalare freddo ($\Phi \to \chi\chi$) che avviene più tardi, iniettando una popolazione monoenergetica con un momento distinto.
   • Interazione: Un'interazione di contatto quartica ($\lambda \chi^4$) guida lo scattering elastico auto-indotto.

Risultati Chiave

• Performance: L'approccio tensorizzato dimostra un significativo vantaggio computazionale. I benchmark di runtime mostrano che l'implementazione GPU (utilizzando PyTorch) supera l'implementazione CPU e l'evaluatore semi-analitico BEST, particolarmente all'aumentare del numero di bin di momento ($N_{grid}$). Il tempo di esecuzione della GPU scala efficientemente grazie alla natura parallela delle contrazioni tensoriali.
• Evoluzione di Distribuzioni Bimodali:
  • In assenza di auto-interazioni, la distribuzione finale della DM mantiene una chiara forma bimodale, riflettendo le due distinte epoche di produzione.
  • All'aumentare della forza di auto-accoppiamento ($\lambda$), lo scattering elastico cancella progressivamente la separazione tra i due componenti di momento.
  • Per interazioni sufficientemente forti, la distribuzione si rilassa verso una forma Maxwell–Boltzmann, coerente con l'LTE.
• Confronto con le Approssimazioni Fluidodinamiche: Gli autori confrontano la soluzione completa dello spazio delle fasi (fBE) con un trattamento fluido accoppiato (cBE) che assume una forma termica con temperatura e potenziale chimico dipendenti dal tempo.
  • Nel regime di debole interazione, la soluzione fBE rimane visibilmente non termica, mentre la cBE assume una forma termica.
  • L'approssimazione fluidodinamica fallisce nel catturare la persistenza delle caratteristiche non termiche e la specifica dinamica di rilassamento osservata nel trattamento cinetico completo.

Significatività e Rivendicazioni
Il paper afferma che KineticXGPU fornisce uno strumento robusto e pubblicamente disponibile per studiare l'evoluzione del settore oscuro dove gli effetti dipendenti dal momento sono critici. La sua principale significatività risiede in:

1. Abilitare Studi Cinetici: Permette di studiare i processi di rilassamento in scenari in cui la gerarchia dei tassi non garantisce l'LTE, specificamente quando molteplici canali di produzione creano distribuzioni non termiche.
2. Efficienza Computazionale: Sfruttando l'accelerazione GPU tramite contrazioni tensoriali, rende il calcolo della piena equazione di Boltzmann con auto-scattering elastico computazionalmente fattibile, superando i colli di bottiglia dei precedenti approcci basati su CPU.
3. Intuizione Fisica: L'applicazione allo scenario a doppia sorgente dimostra che le auto-interazioni possono alterare significativamente lo spettro di potenza della materia su piccola scala, smussando o cancellando le caratteristiche non termiche, effetti che verrebbero ignorati dalle approssimazioni fluidodinamiche.

Gli autori concludono che, sebbene il codice si concentri sulla distribuzione non perturbata e sull'operatore di auto-collisione, il framework computazionale è generale e può essere esteso ad altri modelli del settore oscuro o a calcoli di perturbazione. Il codice è reso disponibile su GitHub per facilitare la riproducibilità e lo sviluppo ulteriore nel campo.