Searching for the $N$-naturalness tower of neutrinos

Sintesi Tecnica: Ricerca della Torre di Neutrini N-naturalness

Problema e Motivazione
Il modello N-naturalness propone una soluzione al problema della gerarchia postulando l'esistenza di $N$ settori gauge distinti, ciascuno contenente un campo di Higgs con un parametro di massa $\mu_i$ distribuito nell'intervallo $[-\Lambda_H^2, \Lambda_H^2]$. In questo quadro, la leggerezza del campo di Higgs del Modello Standard (SM) è naturale se la spaziatura tra i parametri di massa dei settori è sufficientemente piccola, scalando come $\sim \Lambda_H^2/N$. Il modello introduce un parametro di fine-tuning $r$ per descrivere il posizionamento specifico del settore SM all'interno di questa distribuzione.

Sebbene originariamente motivato dal problema della gerarchia, il quadro di N-naturalness affronta anche la piccolezza delle masse dei neutrini attraverso il meccanismo dei "molti partner di mescolamento" (many mixing partners). In questo scenario, il neutrino sinistrorotante dello SM si mescola con neutrini destrorotanti (o stati Majorana) attraverso tutti i $N$ settori. Questo grande numero di gradi di libertà diluisce l'accoppiamento effettivo, sopprimendo la massa del neutrino. L'articolo investiga se gli esperimenti terrestili sui neutrini possano porre vincoli allo spazio dei parametri di questa teoria, specificamente al numero di settori $N$ e al parametro di fine-tuning $r$.

Metodologia
Gli autori eseguono un'analisi globale dei dati sui neutrini pubblicamente disponibili per vincolare lo spazio dei parametri $(r, N)$. Lo studio distingue tra due realizzazioni del modello:

1. N-naturalness Dirac (NND): I neutrini acquisiscono massa tramite termini di massa Dirac standard che coinvolgono neutrini destrorotanti in ogni settore.
2. N-naturalness Majorana (NNM): I neutrini acquisiscono massa tramite un operatore di Weinberg indotto da un reheaton fermionico, che porta a masse Majorana.

Quadro Teorico e Parametrizzazione
L'analisi utilizza il framework Newtrinos.jl per modellare le matrici di massa sia per i casi Dirac che per quelli Majorana.

• Matrici di Massa: Le matrici di massa sono costruite sulla base degli accoppiamenti Yukawa $\lambda_{ij}$ nello spazio dei settori, assunti possedere una approssimativa simmetria di permutazione. Gli elementi diagonali sono governati dal parametro $a$, mentre gli elementi fuori diagonale dal parametro $b$. Gli autori adottano un'aspettativa naturale di mescolamento democratico ($a \approx b \sim 1/\sqrt{N}$), ma li trattano come parametri indipendenti, definendo $\tilde{a}$ e $\tilde{b}$ per semplificare la struttura della matrice.
• Parametrizzazione: Per ridurre la dimensionalità del fit, gli autori fissano diversi parametri basandosi su assunzioni teoriche e vincoli sperimentali:
  • La scala di massa assoluta del neutrino $m_0$ è fissata a $0.01$ eV (un limite superiore conservativo).
  • Il rapporto tra gli accoppiamenti $\eta = \tilde{a}^2/\tilde{b}^2$ è impostato come $1 + 1/N$.
  • La scala di massa complessiva è determinata dai dati di oscillazione ($\Delta m^2_{21}$ e $\Delta m^2_{31}$) e dall'ordinamento della massa (Normale o Invertito).
• Osservabili: Il modello predice modifiche a:
  • Probabilità di Oscillazione: La probabilità di sopravvivenza $P(\nu_l \to \nu_l)$ è modificata dal mescolamento con stati sterili pesanti da altri settori, introducendo oscillazioni rapide e un fattore di soppressione dipendente da $N$.
  • Masse Effettive: La massa efficace del neutrino elettronico $m_\nu$ (dal decadimento $\beta$) e la massa Majorana efficace $m_{\beta\beta}$ (dal decadimento doppio beta neutro $\nu\beta\beta$) sono calcolate sommando i contributi da tutti i $N$ settori, pesati per gli elementi della matrice di mescolamento.

Dati Sperimentali e Analisi
L'analisi combina i dati di:

• Esperimenti di Oscillazione: Daya Bay (dati attuali) e JUNO+TAO (sensibilità proiettata a 6 anni). Questi esperimenti misurano le probabilità di sopravvivenza dei antineutrini elettronici per vincolare i parametri di oscillazione e la presenza di stati sterili pesanti.
• Esperimenti di $0\nu\beta\beta$: GERDA (limite attuale), LEGEND-200 (limite attuale) e LEGEND-1000 (proiettato). Questi esperimenti vincolano la massa Majorana efficace $m_{\beta\beta}$. L'analisi tiene conto delle incertezze degli elementi di matrice nucleare e della transizione tra i contributi leggeri e pesanti.

Viene utilizzato un test del rapporto di verosimiglianza del profilo (profile likelihood ratio) per tracciare i contorni di esclusione nel piano $(r, N)$ al livello di confidenza (C.L.) del 90%. I parametri di disturbo (nuisance parameters) come la normalizzazione del flusso, la risoluzione energetica, ecc., vengono profilati.

Risultati Chiave

1. Caso Majorana (NNM):

   • Vincoli Attuali: La combinazione dei dati attuali di GERDA e Daya Bay esclude scenari non fine-tuned ($r=1$) fino a $N \approx 10^4$.
   • Requisiti di Fine-Tuning: Per $N$ più piccoli (ad esempio, $N \sim 100$), il modello richiede un significativo fine-tuning ($r \sim 10^{-6}$) per rimanere vitale.
   • Sensibilità Futura: I dati proiettati di JUNO+TAO escluderanno tutti i $N < 500$ per qualsiasi valore di $r$. Nell'intervallo $500 \le N \le 10^4$, la teoria rimane vitale solo se $r \le 0.1$.
   • Confutazione del Benchmark: Lo specifico scenario di benchmark di N-naturalness con $N=10^4$ e assenza di fine-tuning ($r=1$), proposto per risolvere il problema della gerarchia preservando l'unificazione del accoppiamento di gauge, è escluso dai dati attuali per entrambi gli ordinamenti di massa (Normale e Invertito).

2. Caso Dirac (NND):

   • I vincoli sono significativamente più deboli perché gli esperimenti di $0\nu\beta\beta$ non sono applicabili.
   • I dati attuali di Daya Bay escludono piccoli valori di $N$ ($N \le 50$) per scenari non fine-tuned ($r \approx 1$).
   • La sensibilità proiettata di JUNO+TAO estende l'esclusione a $N > 100$, ma il parametro $r$ rimane meno vincolato rispetto al caso Majorana.

Significato e Rivendicazioni
L'articolo afferma di presentare la prima ricerca sperimentale della torre di neutrini N-naturalness utilizzando dati terrestri. La principale significatività risiede nella capacità degli attuali esperimenti sui neutrini di testare e smentire specifici benchmark teorici del quadro di N-naturalness.

In particolare, gli autori dimostrano che la soluzione "naturale" al problema della gerarchia con $N=10^4$ settori e assenza di fine-tuning è incompatibile con gli attuali dati di oscillazione dei neutrini e di $0\nu\beta\beta$ nel caso Majorana. Questo risultato suggerisce che, se la N-naturalness è la corretta soluzione al problema della gerarchia, essa deve comportare un numero molto maggiore di settori ($N > 10^4$) o richiedere un grado di fine-tuning ($r < 0.1$) che mina la motivazione della "naturalità". Gli autori notano che i loro risultati sono robusti rispetto a diverse assunzioni per la scala di massa assoluta $m_0$.

Lo studio evidenzia la complementarità degli esperimenti di oscillazione e di scala di massa nel sondare la nuova fisica con stati sterili leggeri e stabilisce una metodologia per utilizzare i dati globali sui neutrini per vincolare teorie con un grande numero di settori nascosti.