Tackling inverse problems for PDFs from lattice QCD

この論文は、バリオン 2025 会議における講演として、格子 QCD によるパarton 分布関数の抽出とスペクトル関数再構成という逆問題の解決に向けた最近の進展を統合して紹介するものである。

要約

1. 物語の舞台：原子の「地図」を作りたい

まず、私たちが知りたいのは**「陽子（原子核の部品）」の内部構造です。
陽子の内側には、クォークやグルーオンという小さな粒子が飛び交っています。これらがどのように動いているかを知るための「地図」が「パートン分布関数（PDF）」**と呼ばれるものです。

この地図があれば、CERN の大型ハドロン衝突型加速器（LHC）のような巨大な実験で、どんな新しい粒子が見つかるか予測できたり、宇宙の謎を解いたりできます。

2. 問題点：「逆さまのカメラ」で撮影している

ここが最大の難所です。
この「地図（PDF）」を作るには、通常、光の速さで飛ぶ粒子を直接見る必要があります。しかし、**「格子 QCD（ラティス QCD）」という計算機シミュレーションを使っている研究者たちは、「逆さまのカメラ」**でしか撮影できません。

• 現実の世界（光の速さ）： 粒子が高速で飛び交う「リアルタイム」の映像。
• 計算機の世界（格子 QCD）： 時間が止まったような「静止画」しか取れない。

つまり、**「高速で動く車の様子を、止まっている写真から推測しなさい」**と言われているようなものです。これを数学的に「逆問題（インバース・プロブレム）」と呼びます。

3. 核心の課題：「欠けたパズル」を完成させる

研究者たちは、静止画（計算データ）から、元の高速映像（PDF）を復元しようとします。しかし、ここには大きな壁があります。

• 壁： 計算機は「光の速さ」の領域（ブリルアン・ゾーン）の一部しか見ることができないのです。
• 比喩： 100 ピースのパズルがあるとします。しかし、計算機は**「100 枚のうち、たった 12 枚しか渡さない」**と言います。しかも、その 12 枚は少し傷ついています（ノイズがある）。
  • 「残りの 88 枚を、この 12 枚から正確に推測して完成図を描いてください」と言われたらどうしますか？
  • 答えは一つではありません。無数の完成図が作れてしまいます。
  • しかも、12 枚のわずかな傷（ノイズ）が、完成図全体を大きく歪めてしまう可能性があります。

これを数学用語で**「不適切な逆問題（Ill-posed inverse problem）」**と呼びます。

4. 解決策：「経験則」というコンパスを使う

この「欠けたパズル」を完成させるために、研究者たちは**「事前知識（Prior Information）」**というコンパスを使います。

• 比喩： パズルの完成図が「山」だと分かっているなら、12 枚のピースから「山」の形を想像して、残りを埋めます。
• 論文の主張： 「ただ闇雲に推測するのではなく、物理学者が長年培ってきた『粒子の動きには法則がある』という経験則を、計算に組み込みましょう」という提案です。

5. 使われている「復元ツール」の比較

論文では、いくつかの「復元ツール（アルゴリズム）」を試し、どれが最もうまくいくか比較しました。

1. バックス・ギルバート法（線形な方法）：
   • イメージ： 単純な「平均化」や「滑らかにする」作業。
   • 結果： 大きな傾向は捉えられるが、細かい山や谷（ピーク）はぼやけてしまい、正確な地図にはならない。
2. 最大エントロピー法（MEM）：
   • イメージ： 「最も自然で、余計な仮定をしない形」を選ぶ魔法。
   • 結果： 大成功！ 欠けたピースを、無理やり作り出さずに、最も自然な形で補完できた。特に、ノイズに強い。
3. ベイズ再構成法（BR）：
   • イメージ： 確率を使って「最もありそうな形」を探す。
   • 結果： 基本的には良いが、条件によっては「ゴースト（幽霊）」のような不要なノイズ（リングング現象）が現れることがある。
4. ニューラルネットワーク（AI）：
   • イメージ： 大量のデータで学習した AI に「これっぽっちのピースから全体を推測させてみる」。
   • 結果： 有望だが、AI が「勝手に想像しすぎない」ように制御する必要がある。

6. 結論：他分野の知恵を借りる

この論文の最も面白い点は、「粒子物理（T=0）」と「高温の物質（T>0）」という、一見違う分野が、実は同じパズルを解いていることに気づいたことです。

• 高温の物質（クォーク・グルーオンプラズマなど）： 過去 20 年、同じような「欠けたパズル」を解くために、**最大エントロピー法（MEM）**などの高度な統計手法を磨き上げてきました。
• 粒子の地図（PDF）： 今、この手法を借りて、より正確な地図を作ろうとしています。

まとめ：
この研究は、「計算機が不完全なデータしか出せないからといって諦めるのではなく、『物理の法則』というコンパスと、他分野で磨き上げられた『統計的な復元技術』を組み合わせれば、欠けたパズルを驚くほど正確に復元できる」と示しています。

これにより、将来、より精密な「原子の地図」が完成し、宇宙の謎や新しいエネルギー源の発見につながるかもしれません。

技術概要

論文概要：格子 QCD からの部分子分布関数（PDF）抽出における逆問題の解決

この論文は、Baryons 2025 会議における「QCD の最近の進展」セッションのキックオフプレゼンテーションとして執筆されたものであり、格子 QCD における部分子分布関数（PDF）の抽出と、有限温度におけるスペクトル関数の再構成という長年の課題である「逆問題（Inverse Problem）」の解決策を統合的に論じています。

1. 問題の定義と背景

• 部分子分布関数（PDF）の重要性: PDF はハドロン構造やレプトン - 原子核散乱を理解する上で不可欠であり、LHC や将来の電子 - イオン衝突型加速器（EIC）での実験データ解釈、標準模型を超える物理の探索において中心的な役割を果たします。
• 格子 QCD における根本的な課題:
  • PDF は通常、光円錐（light-cone）上の点分割されたベクトル電流の相関関数として定義されます。
  • しかし、格子 QCD シミュレーションはユークリッド時間で行われるため、光円錐上の直接評価は不可能です。
  • 現在の主流アプローチ（準 PDF や擬似 PDF）では、空間的な相関関数を評価し、それを逆フーリエ変換（IFT）して物理的な PDF を推定します。
• 逆問題の本質:
  • 格子 QCD でのデータは離散的であり、かつ利用可能なイオフェ時間（Ioffe time, $\nu$）の範囲（ブリルアンゾーンの一部分）が限られています。
  • この場合、離散化された逆フーリエ変換は**「不適切な問題（ill-posed problem）」**となります。具体的には、解の一意性が失われ、入力データ（行列要素）のわずかな統計的誤差が解（PDF）において指数関数的に増幅されるという「悪条件（ill-conditioned）」に陥ります。
  • 図 1 に示されるように、ブリルアンゾーンへのアクセスが制限されると、核行列の固有値が指数関数的に減少し、単純な数値反転ではノイズに埋もれて信頼性の高い再構成が不可能になります。

2. 手法とアプローチ

不適切な逆問題を解決するためには、追加の知識（事前情報、Prior Information）を用いた**正則化（Regularization）**が必須です。論文では、以下の主要な再構成手法が調査・比較されています。

• パラメトリック手法:
  • 関数形を $f(x) = c x^a (1-x)^b$ のような現象論的な Ansatz で仮定し、パラメータをフィッティングする最も単純な方法。
• 非パラメトリック手法（線形）:
  • Backus-Gilbert (BG) 法: データの線形結合を用いて解を構成する。核行列の像空間内で再構成を行うが、事前情報の取り込みが限定的であり、鋭いピーク構造の解像が困難（平滑化される）という欠点がある。
  • Tikhonov 正則化やガウス過程: 線形手法のバリエーション。
• 非パラメトリック手法（非線形・ベイズ推論）:
  • 最大エントロピー法（MEM）: 入力データに存在しない相関を生成しないようにするエントロピー正則化を使用。Bryan 法の実装では人工的な平滑化が起きるが、振動（リングング）を防ぐ効果がある。
  • ベイズ再構成（BR）法: 1 次元再構成問題に特化した公理に基づき、滑らかさを重視する正則化（ガンマ分布に基づく事前確率）を使用。MEM に比べて正則化が弱く、リングングが発生しやすい可能性がある。
  • ニューラルネットワーク（NN）: 入力層（Bjorken-$x$）から出力層（PDF 値）へ多層パーセプトロンを適用。訓練関数（損失関数）に正則化項を含めることで、ベイズ推論の枠組みとして機能させる。

3. 主要な結果（ベンチマーク研究）

著者は、2 つの異なる形状を持つモック PDF（モデル A: 小 $x$ 側で単調増加、モデル B: $x \approx 0.4$ 付近で減少し原点でゼロになる）を用いて、各手法を比較しました。利用可能なイオフェ時間の最大値は現実的な $\nu_{max}=10$（データ点 12 個）と仮定しました。

• Backus-Gilbert (BG) 法:
  • 生データに対する直接適用では、ピーク構造を捉えられず失敗した。
  • 現象論的モデルによる事前フィッティング（プリコンディショニング）を行うことで性能は向上したが、依然として小 $x$ 領域での真の解の捕捉と誤差評価に課題が残った。
• 最大エントロピー法（MEM）:
  • 高い性能を示した。 限られたデータ点とイオフェ時間の範囲であっても、両モデル（A, B）に対して真の PDF をよく再現した。
  • MEM 固有の「人工的な平滑化」が、逆問題の不安定性によるリングングを防ぎ、安定した結果をもたらした。
• ベイズ再構成（BR）法:
  • モデル A に対しては MEM と同等の精度を示したが、モデル B（鋭い変化を持つ）に対しては**リングングアーティファクト（振動）**が顕著に現れた。
  • これはイオフェ時間の範囲が狭く、データ点が少ないことによるもので、$\nu_{max}$ を増やすことで改善することが確認された。
• 誤差評価:
  • ベイズ的手法は、統計的誤差（ジャックナイフ法など）と正則化の選択に依存する系統誤差（事前モデルの依存性）を明示的に評価できる点が強みである。

4. 貢献と意義

• コミュニティ間の架け橋:
  • 有限温度（$T>0$）でのハドロンスペクトル関数再構成の分野で培われた「逆問題の扱い方」や「誤差評価の手法」が、$T=0$ の PDF 抽出分野に直接応用可能であることを示した。
  • 特に、MEM や BR 法のようなベイズ推論に基づく手法が、限られた格子 QCD データから信頼性の高い PDF を抽出する有効な道筋であることを実証した。
• 将来展望:
  • 入力データの質向上（より広いイオフェ時間範囲へのアクセス）と、正則化手法の理解深化が、PDF 抽出の信頼性向上に不可欠である。
  • 本論文は、異なる分野の研究者間の協力を促進し、格子 QCD からの高精度な PDF 決定に向けた技術的基盤を提供する。

結論

格子 QCD からの PDF 抽出は本質的に「不適切な逆問題」であるため、単なる数値反転では解決できず、適切な正則化（事前情報）の導入が不可欠である。ベンチマーク研究により、MEM や BR 法などのベイズ推論に基づく非パラメトリック手法が、限られたデータ条件下でも有望な解決策であることが示された。この分野の進展には、スペクトル関数再構成の分野で蓄積された統計的手法の知見が重要な役割を果たす。