Optimizing Yukawa couplings to suppress Dimension-five Proton Decay in $SU(5)$ GUT

本論文は、$\mathbf{45}$および$\overline{\mathbf{45}}$ヒッグス表現を拡張した超対称性$SU(5)$大統一理論の複雑な33次元パラメータ空間を探索するために、特にAdamオプティマイザを用いた機械学習最適化手法を採用し、スーパーカミオカンデの実験的制約を満たすように次元5の陽子崩壊を抑制するユーカワ結合構成を成功裏に同定した。

要約

宇宙が「標準模型」と呼ばれる一連の設計図の上に構築されていると想像してみてください。物理学者たちはこれらの設計図を愛していますが、それはあくまでラフな草案に過ぎないと感じています。彼らは、自然界のすべての力をどのように統合するかを説明する、単一でエレガントなマスタープランである「大統一理論（GUT）」を求めています。最も人気のあるマスタープランの一つが「SU(5)」です。

しかし、この特定の設計図には巨大な問題があります。数学によれば、このモデルはすべての原子内部にある安定した構成要素である「陽子」が、信じられないほど速い速度で崩壊すると予測しています。これが真実であれば、宇宙のすべての物質は数十億年前に崩壊していたはずです。しかし、私たちはここに存在し、陽子は依然として強く保たれています。

この論文は、全体を捨て去ることなく、その壊れた設計図を修正しようとする試みに関するものです。

問題：「漏れのある屋根」

陽子を家だと考えてください。標準的な SU(5) モデルでは、特定の粒子交換（有色ヒッグシノ）によって屋根に「漏れ」が生じています。この漏れにより、家（陽子崩壊）があまりにも早く崩壊してしまいます。

実験科学者たち（日本のスーパーカミオカンデ検出器の研究者たちなど）は、落下する陽子を捉えるために巨大な地下の水槽を建設しました。彼らは次のルールを設定しました。「陽子が崩壊する場合、少なくとも 59 兆兆年（59 × 10^24 年）を要しなければならない」。現在の SU(5) 設計図は、それよりもはるかに速く起こると予測しています。

提案された解決策：より多くのレンガを追加する

漏れを止めるために、著者たちは設計図に追加の「レンガ」を追加することを提案しています。具体的には、新しい種類のヒッグス場（数学的な表現として 45 と 45' と呼ばれるもの）を追加します。

しかし、ここには落とし穴があります。これらの新しいレンガを追加すると、膨大な量の「自由度」が生じます。まるで、1 つではなく 33 個のノブでラジオをチューニングしようとしているようなものです。ノブを回して（「湯川結合定数」と呼ばれる数値を調整して）、漏れを止めようと試みます。

問題は、ノブ（33 次元）が多すぎて、すべての組み合わせを手作業で試すことが不可能だということです。それは、銀河ほどの大きさの干し草の山から特定の針を見つけるようなものです。これが科学者たちが「次元の呪い」と呼ぶものです。

解決策：機械学習による「チューナー」

すべての組み合わせを手動で試す代わりに、著者たちは「機械学習」（具体的には「Adam」と呼ばれるアルゴリズム）を使用しました。

33 個のノブを巨大で複雑な迷路だと考えてください。

1. 目標：迷路の中で「漏れ」（陽子崩壊）が最小になる正確な場所を見つけること。
2. 方法：コンピュータは迷路内の数千のランダムな位置から開始します。各地点で家がどれだけ「漏れているか」を計算します。
3. 最適化：コンピュータは賢いハイカーのように振る舞います。非常に漏れている場所であれば、そこから離れることを知ります。乾燥した場所であれば、近づきます。これを数千回繰り返し、地形の形状を学習し、陽子が安全な「乾燥した谷」を見つけるまで行います。

彼らが発見したもの

著者たちは、この「賢いハイカー」シミュレーションを、tan β（宇宙の重力の「傾き」と考えてください）という変数の異なる設定で実行しました。

• 良い知らせ：コンピュータは、陽子が実験的な限界よりも長く生存するほど安定する、33 個のノブの特定の組み合わせを成功裏に見つけ出しました。これは、SU(5) モデルが機能しうることを証明しましたが、それはノブが非常に特定された、ランダムではない値に設定されている場合に限られます。
• 悪い知らせ：「絶好のスポット」を見つけるのは非常に困難です。それらはランダムに散らばっているのではなく、小さく特定の島々に集まっています。
• 傾きの問題：著者たちは、「傾き」（tan β）を増加させると、陽子を安全に保つことがはるかに難しくなることを発見しました。傾きが高い場合、「漏れ」は大きくなり、それを止める設定を見つけるためにコンピュータははるかに多くの作業を強いられました。実際、彼らがテストした最大の傾きでは、陽子が崩壊する可能性がはるかに高くなり、モデルが正しい可能性は低くなりました。

結論

この論文は、SU(5) モデルが間違いなく正しいことを証明するものではありません。代わりに、モデルを機能させることが可能であることを証明していますが、それは宇宙の内部設定が極端な精度でチューニングされている場合に限られます。

彼らはコンピュータを使って 33 次元の迷路をナビゲートし、出口を見つけ出しましたが、その出口は非常に狭い扉です。宇宙の設定（特に「傾き」または tan β）が少しでもずれていれば、その扉は閉じられ、モデルは失敗します。

つまり：著者たちはデジタルの「賢いチューナー」を使用して、壊れた宇宙の設計図を修正し、解決策が存在する一方で、それは宇宙の根本的な数値の非常に特定され、繊細な配列を必要とすることを示しました。

技術概要

技術的概要：SU(5) 大統一理論における次元 5 プロトン崩壊抑制のための湯川結合定数の最適化

問題提起
最小の超対称性（SUSY）$SU(5)$ 大統一理論（GUT）は、有色ヒッグシノ交換に起因する次元 5 演算子によって媒介される急速なプロトン崩壊という決定的な現象論的障壁に直面している。特にスーパーカミオカンデによる $\tau(p \to K^+ \bar{\nu}) > 5.9 \times 10^{33}$ 年という実験的上限は、このモデルの実現可能性を厳しく制限している。ヒッグス部門をより高次元の表現（具体的には 45 と $\overline{45}$）で拡張し、非再帰化相互作用を組み込むことで理論的にはこの問題を解決できるが、これらの拡張は広大で高次元のパラメータ空間をもたらす。この空間は多数の混合角、CP 位相、質量スケールによって張られ、次元の呪いにより、従来の蛮力的な数値走査を計算的に実行不可能なものとしている。

手法
この計算上の課題に対処するため、著者らは機械学習最適化手法、特に Adam 最適化法を用いて、改変された SUSY $SU(5)$モデルのパラメータ空間を探索する。本研究は、3 世代の物質場（$5 + 10$）、電弱対称性を破るヒッグス場（$5 + \overline{5} + 45 + \overline{45}$）、および GUT 対称性を破る場（$24$）を含むモデルに焦点を当てている。

手法は以下の手順を含む：

1. モデル定式化：著者らは、GUT スケール（$\sim 2 \times 10^{16}$ GeV）における観測された MSSM フェルミオン質量と混合角（CKM 行列）と整合させることで、GUT スケールの湯川結合定数行列（$Y_5, Y_{\overline{5}}, Y_{45}, Y_{\overline{45}}$）を導出する。これには、軽い $\mu$ 項を確保しつつ重い有色ヒッグス三重項を維持するために、ヒッグス二重項と三重項の質量行列を微調整することが含まれる。
2. 崩壊率の計算：$p \to K^+ \bar{\nu}$ の部分崩壊幅は、有色ヒッグス場を積分消去して次元 5 演算子を得ることで計算される。これらの演算子は、SUSY 粒子の質量（ベンチマークスペクトルでは 3 TeV に固定）およびハドロン行列要素を考慮し、GUT スケールからハドロンスケールまで重整化群（RG）方程式を通じて進化させられる。
3. 最適化のセットアップ：実行可能なパラメータの探索は最適化問題として定式化される。損失関数は、$p \to K^+ \bar{\nu}$ 崩壊の平均対数スケール部分幅として定義される。
4. パラメータ空間：最適化は 33 個のパラメータを変動させる：
   • 味基底を回転させる 3 つの未決定ユニタリ行列（$U_u, U_e, V_e$）をパラメータ化する 27 個の角度と位相。
   • ヒッグス質量項と結合を支配する 6 つのポテンシャル部門パラメータ（$M, \lambda, \kappa, \kappa', \lambda_a, \lambda_b$）。
   • パラメータ $m$ は条件 $\det(M_{\text{doublet}}) = 0$ によって制約される。
5. 実行：TensorFlow を用いて、著者らは $N=4096$ のランダムなパラメータ構成を初期化し、損失関数を最小化するために 10 万エポックにわたって反復的に更新する。このプロセスは、$\tan \beta$ の 4 つの異なる値（3、10、30、50）に対して繰り返される。

主要な結果

• 最適化の有効性：Adam 最適化法は 33 次元空間を成功裡に航行し、損失関数を急速に減少させた。最適化されたパラメータセットは、初期のランダムな構成と比較して、プロトン寿命の分布を一貫してより長い値へとシフトさせた。
• パラメータの局在化：分析により、最適化されたパラメータは均一に分布しないことが明らかになった。代わりに、特定の混合角（特にユニタリ行列 $U_u$ と $U_e$ 内のもの）およびポテンシャル結合（$M$ や $\kappa$ など）は局所的な分布を示す。これは、プロトン崩壊を抑制するには、湯川行列と GUT スケールのポテンシャル部門の間で、極めて特異的で非自明な整列が必要であることを示唆している。
• $\tan \beta$ への依存性：達成可能なプロトン寿命が $\tan \beta$ に強く依存するという重要な発見がある。
  • 低い値（$\tan \beta = 3, 10$）では、最適化アルゴリズムはプロトン寿命がスーパーカミオカンデの上限を超える領域を成功裡に特定した。
  • $\tan \beta$ が増加する（30 および 50）につれて、ダウン型クォークおよびレプトン部門の寄与の増大が次元 5 崩壊演算子を著しく増幅する。その結果、最適化されたプロトン寿命は減少し、実験的下限を満たすことがますます困難になる。高い $\tan \beta$ 領域では、パラメータ空間内での必要な相殺がより厳格になり、達成されにくくなる。

意義と主張
本論文は、次元の呪いに悩まされる標準模型を超える（BSM）物理学の現象論的問題に対処する上で、機械学習最適化が有効なツールであることを実証すると主張している。拡張された SUSY $SU(5)$ モデルのパラメータ空間を体系的に探索することで、著者らは次元 5 プロトン崩壊が許容レベルまで抑制される実行可能な領域が存在することを示している。

しかしながら、著者らはこれらの解の普遍性については慎重である。アルゴリズムは崩壊を抑制する特定の非自明な整列を特定できるが、モデルの実現可能性は $\tan \beta$ の値に強く依存すると強調している。本研究は、枠組みが柔軟かつ強力である一方で、高い $\tan \beta$ 領域における三重項ヒッグシノ媒介崩壊の抑制は、実験的上限を満たすモデルの能力に厳重な制限を課すと結論付けている。この仕事は、複雑な GUT パラメータ空間への最適化アルゴリズムの適用に関する概念実証であり、$SO(10)$ などの他の GUT 群への潜在的な適用性を持っている。