The $B^+ \to K^+ \nu \bar \nu$ decay as a QCD axion search: comparing reinterpretation approaches

本論文は、近年の $B^+ \to K^+ a$ 崩壊の制限における4倍もの不一致が運動学的変数の選択に起因することを示し、再構成された二ニュートリノ不変質量（$q^2_{\rm rec}$）における微細なビン分割が狭い領域のアクシオン信号を解明するために不可欠であること、およびBDTベースの手法が感度を希釈してしまうことを示し、それによって、堅牢な再解釈可能性を確保するために物理的変数空間における尤度の公表を提唱するものである。

要約

あなたは、巨大で混沌とした犯罪現場の中に隠された、非常に特定かつ微小な手がかりを探そうとしている探偵だと想像してください。この物語において、「犯罪現場」とはBelle II実験によって収集されたデータです。この実験は、特定の粒子（B中間子と呼ばれるもの）が崩壊する様子を研究しています。「微小な手がかり」とは、QCDアクシオンと呼ばれる仮説上の粒子です。これは、存在すると科学者たちが期待していながら、これまで一度も見つけることができなかった、幽霊のように目に見えない粒子です。

最近、2つの異なる探偵チームが、このアクシオンを見つけ出すために同じ証拠の山を調査しました。しかし、彼らは全く異なる結論を下しました。一方のチームは、「極めて高い確信度をもって、アクシオンが存在する可能性を排除できる」と言い、もう一方のチームは、「我々の限界値はそれよりも約4倍弱い」と言いました。

この論文は、なぜ彼らが異なる答えを得たのかを説明しています。その違いは、どちらのチームが数学に優れていたか、あるいはより優れた装備を持っていたかによるものではありませんでした。それは、彼らがどのような「レンズ」を通して証拠を見たかという違いによるものでした。

2つのレンズ：高解像度の写真 vs ぼやけたスケッチ

「高解像度」のアプローチ（より強い制限）
一方のチームは、非常にきめ細かなマップを用いてデータを見ることを見出しました。干し草の山の中から特定の針を見つけようとしている場面を想像してみてください。もし干し草を巨大でぼやけた塊として見れば、針は見失われてしまいます。しかし、もし干し草を1インチ刻みで細かく見ていけば、針が特定の極めて小さな場所に位置していることを即座に特定できます。

物理学の用語では、このチームは $q^2_{rec}$（目に見えない粒子のエネルギーの尺度）という変数を用い、**21個の非常に小さなビン（区切り）**を使用して調査しました。

• アクシオンの信号： もしアクシオンが存在すれば、それはエネルギーマップのゼロ付近に、鋭く集中したスパイク（突起）として現れます。
• 結果： 彼らは21個のスライスを使用したため、この鋭いスパイクを「ノイズ（背景粒子）」から明確に分離して捉えることができました。これにより、非常に強力で感度の高い制限が得られました。

「ぼやけたスケッチ」のアプローチ（より弱い制限）
もう一方のチームは、実験コラボレーションによってあらかじめパッケージ化されたマップを使用しました。このマップは、別のタイプの信号（ニュートリノと呼ばれる滑らかで広がった粒子の雲）を見つけるために設計されたものです。

• 問題点： このマップには、エネルギー変数に対してわずか3つの巨大なビンしかありませんでした。
• 結果： 彼らがこの鋭いアクシオンのスパイクを探そうとしたとき、それはこれら3つの巨大なビンのうちの1つの中に押し込められてしまいました。そのビンの中では、アクシオンの信号は膨大な量の背景ノイズによってかき消されてしまいました。それは、スタジアム中の人々が叫んでいる中で、ささやき声を聞き取ろうとするようなものです。ささやき声（アクシオン）は、轟音（背景ノイズ）の中に紛れてしまったのです。

この仕事には作られていない「フィルター」

2番目のチームは、**BDT（Boosted Decision Tree）**と呼ばれる特別なフィルターも使用していました。これは、特定の種類の犯罪者を特定するように訓練された警備員のようなものです。

• この警備員は、ニュートリノという犯罪者を見つけることには非常に長けています。
• しかし、アクシオンはニュートリノとは全く異なる姿をしています。
• 警備員はニュートリノに基づいて訓練されているため、アクシオンを見分ける方法を知りません。実際、警備員は、捕まえるように訓練された犯罪者の姿とは異なるため、誤ってアクシオンを無視してしまうことさえあります。

論文によれば、このフィルターはアクシオンを見つける上でほとんど助けになりません。それは、木製の椅子を見つけるために金属探知機を使うようなもので、金属には素晴らしい道具ですが、木に対しては役に立たないのです。

なぜ「ぼやけた」チームは単に慎重だったわけではないのか

あなたはこう思うかもしれません。「もしかして、2番目のチームは単にミスに対してより慎重になっていただけではないだろうか？」
著者らはこれを検証しました。彼らは、2番目のチームの手法にさらに多くの不確かさを加えたとしても（より慎重にしたとしても）、結果の大きな隔たりを説明できないことを発見しました。

• 実際、より多くの「安全網（系統誤差）」を追加することは、通常、制限を（より良く、つまり）タイトにするものであり、悪くするものではありません。
• 主な理由は、単にぼやけたマップと間違ったフィルターにありました。

「デュアルプローブ」の超能力

論文は、「高解像度」のアプローチが持つクールな特徴を強調しています。それは**デュアルプローブ（二重の探針）**として機能することです。

• アクシオンの信号は背景ノイズと非常によく異なるため、このチームは背景ノイズが正確にどれくらいあるかを知る必要なく、アクシオンを測定することができます。
• 一方で「ぼやけた」アプローチは混乱します。背景ノイズがわずかに変化すると、彼らのアクシオンの制限値は劇的に変化してしまいます。彼らは独立性を失ってしまうのです。

科学への大きな教訓

著者らは、将来のすべての実験に対する提言を述べて締めくくっています。
科学者がデータを発表するとき、彼らはしばしば、特定の探索（例えばニュートリノ）に最適化された「要約」を提供します。しかし、他の科学者が全く異なるもの（例えばアクシオン）を探すためにそのデータを使いたい場合、その要約はあまりにもぼやけていたり、間違ったツールを使用していたりすることがあります。

提言：
実験チームは、データを以下の2つの方法で公開すべきです：

1. 特定の探索に最適化されたバージョン（BDTフィルターを使用するもの）。
2. 物理変数を用いた「生の」バージョン（きめ細かなマップ）。これにより、他の誰かが感度を失うことなく、異なる種類の新しい物理学を探索できるようになります。

要するに： もし干し草の山の中から針を見つけたいのであれば、3つの巨大な干し草の山しか示さないようなマップを使ってはいけません。個々の藁の束を示すようなマップが必要なのです。

技術概要

技術要約：QCDアキシオン探索としての $B^+ \to K^+ \nu\bar{\nu}$ 崩壊：再解釈アプローチの比較

問題提起
Belle IIのデータに関する最近の独立した2つの解析において、$B^+ \to K^+ \nu\bar{\nu}$ 崩壊を（QCDアキシオンのような軽い不可視粒子である）2体崩壊 $B^+ \to K^+ a$ の探索として再解釈した際、得られる分岐比 $\mathcal{B}(B^+ \to K^+ a)$ の制限値に約4倍の差が生じている。第1のアプローチ [1] は、公開データを用いて運動学的変数を解析的に再構成し、現存する最強の境界値を得ている。第2のアプローチ [4] は、公開されたモデル非依存の尤度 [5] に依存しており、著しく弱い制限値を与えている。著者らは、この相違の起源を調査し、それが再解釈に用いる運動学的変数の空間の選択と、データの投影の粒度に起因すると仮定している。

手法
本論文は、同一のBelle IIデータおよびシミュレーションに対して適用された、2つの異なる統計的枠組みの比較分析を行っている。

1. 細粒度 $q^2_{\text{rec}}$ アプローチ (Ref. [1]): この手法は、再生されたジ・ニュートリノ不変質量 ($q^2_{\text{rec}}$) の分布（範囲 $[-1, 25] \text{ GeV}^2$ において約21個のビン）を利用する。背景事象の正規化を主要な系統誤差（$\sim 1\%$ と推定）として扱い、真の運動学を再生された変数へと解析的にマッピングする。
2. 粗い $q^2_{\text{rec}} \times \eta(\text{BDT}^2)$ アプローチ (Ref. [4]): この手法は、Ref. [5] による公開された尤度を使用しており、これはデータを変換されたBDT出力 ($\eta(\text{BDT}^2)$) の4つのビンと、$q^2_{\text{rec}}$ の3つの粗いビン（境界は $\{-1, 4, 8, 25\} \text{ GeV}^2$）の2次元空間に投影したものである。BDT変数は、$B^+ \to K^+ \nu\bar{\nu}$ の信号と背景事象を分離するために特別に訓練されている。

著者らは、変数の粒度、BDT軸の関連性、系統誤差、および標準模型（SM）パラメータの取り扱いを分離するために、一連の5つの数値テストを実施した。

• テスト 1 & 2: 細粒度アプローチにおける背景正規化誤差（1%から50%まで）を変化させ、アキシオンの制限値および $B^+ \to K^+ \nu\bar{\nu}$ のプロファイル尤度の頑健性をテストする。
• テスト 3: $B^+ \to K^+ \nu\bar{\nu}$ のスケーリング因子 ($\mu_{\nu\bar{\nu}}$) および形状の系統誤差に対する制約を変化させながら、Ref. [4] の公開された尤度を直接再実行し、ベースラインを確立する。
• テスト 4: Ref. [1] の統計的枠組みを、Ref. [4] の粗い $q^2_{\text{rec}} \times \eta(\text{BDT}^2)$ ビンニングに適用する専用の「ハイブリッド」解析を構築する。これにより、運動学的軸の選択のみによる影響を分離する。
• テスト 5: ハイブリッド解析内での $B^+ \to K^+ \nu\bar{\nu}$ のプロファイル尤度を調べ、形状分離能力を比較する。

主な貢献および結果

• 解像度が主要な性能指標（Figure of Merit）である: 感度の差を生み出す主要な要因は、$q^2_{\text{rec}}$ における解像度である。QCDアキシオン（$m_a \simeq 0$）の場合、信号は $q^2=0$ において単色（モノクロマティック）であり、$q^2_{\text{rec}} \simeq 0$ 付近に構造化された分布として現れる。Ref. [4] の尤度が持つ粗い3ビン構造は、この信号を $B^+ \to K^+ \nu\bar{\nu}$ 背景事象が支配的な単一のビンの中に飲み込み、信号を希釈させてしまう。一方、Ref. [1] の細粒度21ビン構造は、信号の構造を解明できるため、感度を大幅に向上させる。
• BDT軸の不適切さ: 変数 $\eta(\text{BDT}^2)$ は、$B^+ \to K^+ \nu\bar{\nu}$ のために最適化されており、$B^+ \to K^+ a$ の狭い信号には最適化されていない。アキシオンは単色のカオンを生成するのに対し、$\nu\bar{\nu}$ は連続的なスペクトルを生成するため、BDT軸はアキシオンに対する識別力をほとんど持たず、むしろ $\nu\bar{\nu}$ のトポロジーに似ていない信号イベントを抑制してしまう可能性がある。
• 系統誤差は保守的である: 著者らは、Ref. [1] のアプローチにおいて副次的な形状系統誤差が省略されていることが、制限値を人工的に厳しくしているわけではないことを示している。これらの系統誤差を含めること（Ref. [4] で行われていること）は、フィットが $B^+ \to K^+ \nu\bar{\nu}$ の形状をより柔軟に受け入れられるようにするため、実際には制限値を約20%低下させる。したがって、Ref. [1] の境界値は保守的である。
• 「デュアル・プローブ」機能の喪失: 細粒度 $q^2_{\text{rec}}$ アプローチでは、アキシオンの制限は $B^+ \to K^+ \nu\bar{\nu}$ の測定から統計的にデカップル（分離）している（「デュアル・プローブ」機能）。粗い $q^2_{\text{rec}} \times \eta(\text{BDT}^2)$ 空間では、アキシオンの制限は $B^+ \to K^+ \nu\bar{\nu}$ のレートを固定するか、あるいは浮動させるかによって約2倍変化しており、この頑健性が失われていることを示している。
• 感度の低下の定量化: ハイブリッド解析（テスト4）により、運動学的軸の変更だけで、低質量領域のアキシオンに対する感度が約5倍低下することが確認された。ハイブリッド解析と Ref. [4] の間の残りの差は、Ref. [4] における完全な形状系統誤差の包含に起因しており、これがさらに制限値を低下させている。

意義および主張
本論文は、狭い不可視信号の再解釈において、運動学的変数の空間の選択が決定的な役割を果たすと結論付けている。特定の信号トポロジー（$B^+ \to K^+ \nu\bar{\nu}$ など）に対して訓練されたBDT変数に支配される尤度は、形状が著しく異なる信号（$B^+ \to K^+ a$ など）への再解釈においては、その有用性が限定的である。

著者らは、実験グループがBDTベースの尤度とともに、物理的な変数空間（細粒度な $q^2_{\text{rec}}$ など）における尤度投影を公開することを推奨している。この慣習は、幅広い新物理シナリオ、特に狭い共鳴や、訓練データとは運動学的に大きく異なる信号に対する、測定の再解釈性を最大化するものである。本論文は新しい実験的提案を行うものではなく、より堅牢な理論的再解釈を促進するためのデータ公開戦略の修正を求めている。