Testing residual-symmetry-fixed columns of $U_{\rm PMNS}$ at DUNE and T2HK with initial JUNO constraints

기술 요약: JUNO의 초기 제약을 이용한 DUNE 및 T2HK에서의 $U_{PMNS}$ 잔류 대칭 고정 열(Residual-Symmetry-Fixed Columns) 테스트

문제 정의
본 논문은 이산 플래버(flavour) 및 모듈러 대칭성(modular symmetries)에 기반한 이론적 프레임워크가 $U_{PMNS}$의 특정 "고정 열(fixed-column)" 구조를 예측하는 과제를 다룬다. 최근 JUNO 실험에 의한 태양 혼합각 $\sin^2 \theta_{12}$의 고정밀 측정은 이러한 예측된 열의 첫 번째 원소를 이미 제약하였으나, 나머지 원소들은 대기 혼합각 $\theta_{23}$과 디락 CP 위상(Dirac CP phase) $\delta_{CP}$에 의존한다. 이 파라미터들은 현재 상당한 실험적 불확실성과 퇴화(degeneracy)(구체적으로는 hierarchy-octant-$\delta_{CP}$ 퇴화)를 겪고 있다. 저자들은 잔류 대칭성에 의해 예측되는 $\sin^2 \theta_{23}$와 $\delta_{CP}$ 사이의 비자명한 상관관계가 차세대 장거리 기선 중성미자 실험, 특히 DUNE 및 T2HK와 JUNO 데이터를 결합하여 결정적으로 테스트되고 제약될 수 있는지 조사하는 것을 목표로 한다.

방법론
본 연구는 다단계 분석 및 시뮬레이션 기반 접근 방식을 채택한다:

1. 이론적 프레임워크: 저자들은 $U(3)$ 및 $SU(3)$의 이산 부분군(Discrete Subgroups, DSG) 및 모듈러 대칭성으로부터 발생하는 잔류 대칭성을 고려한다. 이러한 대칭성(특히 중성미자 섹터의 $Z_2$ 대칭성과 하전된 경량(charged-lepton) 섹터의 $Z_m$ ($m \ge 3$) 대칭성)은 $U_{PMNS}$의 한 열을 고정한다.
2. 모델 선택: 저자들은 pre-JUNO 글로벌 피팅(NuFIT 6.0)과 호환되는 차수(order) $< 512$인 군들( $\Delta(6n^2)$, $PSL(2,7)$, $\Sigma(168)$, 그리고 모듈러 군 $\Gamma_N$ 포함)로부터 유효한 고정 열 후보($|c_0|^2$)를 식별한다.
3. JUNO 제약 적용: 저자들은 JUNO 데이터를 통합한 업데이트된 NuFIT 6.1 글로벌 분석 결과를 적용하여 이 후보들을 필터링한다. 이 단계는 예측된 $\sin^2 \theta_{12}$가 $3\sigma$ 허용 범위 밖에 있는 여러 시나리오(예: $C_1[6]$, $C_1[7]$, $C_2[1]$, $C_2[2]$)를 제거한다.
4. 상관관계 도출: 생존한 시나리오들에 대해, 저자들은 $\delta_{CP}$와 혼합각들($\theta_{12}, \theta_{23}, \theta_{13}$) 사이의 분석적 상관관계를 도출한다. 이 상관관계는 $\sin^2 \theta_{23}$–$\delta_{CP}$ 평면에서 특정 이론적 밴드(bands)를 정의한다.
5. 실험 시뮬레이션: GLoBES를 사용하여 DUNE (624 kt$\cdot$MW$\cdot$yr 노출) 및 T2HK (374 kt 파실량, 1:3 중성미자 대 반중성미자 비율의 10년 가동)에 대한 예상 데이터를 시뮬레이션한다.
   • 분석: 풀 방법(pull method)을 통해 계통 오차(정규화, 신호, 배경)를 포함한 $\chi^2$ 분석을 수행한다.
   • 사전 확률(Priors): JUNO의 정밀도에 기반한 $\sin^2 \theta_{12}$에 대한 가우시안 사전 확률을 명시적으로 포함하여 그 영향을 평가한다.
   • 한계화(Marginalization): 특정 진정한 $\theta_{23}$ 및 $\delta_{CP}$ 값을 테스트하는 동안, $|\Delta m^2_{31}|$, $\theta_{23}$, $\sin^2 \theta_{13}$에 대해 그들의 $3\sigma$ 범위 내에서 한계화를 수행한다.
6. 배제 지표: 저자들은 실험 노출량의 함수로서 $3\sigma$ 신뢰 수준에서 배제될 수 있는 진정한 $\delta_{CP}$ 값의 비율인 배제 분율 $f_{exclude}$를 정의한다.

주요 기여

• 체계적 스크리닝: 본 논문은 JUNO의 $\sin^2 \theta_{12}$ 제약을 통과하는 이산 및 모듈러 대칭성으로부터의 유효한 고정 열 예측 목록을 포괄적으로 제공한다 (Table II).
• 상관관계 매핑: 저자들은 $\sin^2 \theta_{23}$와 $\delta_{CP}$ 사이의 이론적 상관관계를 명시적으로 매핑하며, 이것이 일반적인 현상론적 접근 방식과 어떻게 다른지 강조한다.
• 민감도 분석: DUNE과 T2HK가 이러한 특정 상관관계에 대해 개별적으로, 그리고 결합되었을 때 얼마나 민감한지를 정량화하며, JUNO 사전 확률의 포함이 허용된 파라미터 공간을 어떻게 크게 좁히는지 보여준다.
• 배제 잠재력: 다양한 모델에 대해 $3\sigma$에서 배제될 수 있는 $\delta_{CP}$ 파라미터 공간의 비율을 계산하며, 이는 $\theta_{23}$의 진정한 값(특히 옥턴트)에 강하게 의존함을 보여준다.

결과

• 생존 가능성: 여러 고정 열 시나리오(예: $C_1[1]$부터 $C_1[5]$까지)는 JUNO 제약 후에도 유효하게 남는 반면, 다른 것들은 완전히 배제된다.
• 허용 영역: 이론적 상관관계는 $\sin^2 \theta_{23}$–$\delta_{CP}$ 평면에서 좁은 밴드로 나타난다. 실험 시뮬레이션은 계통 오차와 한계화로 인해 넓은 허용 영역을 생성하지만, 두 실험의 결합은 이러한 영역을 크게 줄인다.
• JUNO 사전 확률의 영향: $\sin^2 \theta_{12}$에 대한 JUNO 사전 확률을 포함하는 것은 결합된 DUNE+T2HK 분석에서 허용 영역을 급격히 축소시킨다. 일부 경우(예: $C_1[6]$), 사전 확률만으로 최소 $\chi^2$를 $3\sigma$ 임계값 너머로 몰아가서 완전한 배제를 유도한다.
• 배제 범위:
  • DUNE vs. T2HK: T2HK는 더 큰 검출기 질량과 최적화된 중성미자 대 반중성미자 가동 비율(1:3) 덕분에 $\delta_{CP}$ 민감도를 높여, 일반적으로 DUNE보다 더 강력한 배제 능력을 보인다.
  • 옥턴트 의존성: 배제 능력은 $\theta_{23}$의 진정한 값에 크게 의존한다. $\theta_{23}$가 낮은 옥턴트(예: $42.0^\circ$)에 있는 시나리오는 높은 옥턴트($48.0^\circ$)에 비해 일반적으로 더 강한 배제 분율을 보인다.
  • 모델 특이성: $C_1[2]$ 및 $C_1[5]$와 같은 모델의 경우, 특히 $\theta_{23}$가 낮은 옥턴트에 있을 때 현실적인 노출량으로 $\delta_{CP}$ 공간의 넓은 부분(예: $60^\circ$–$298^\circ$)을 $3\sigma$에서 배제할 수 있다.
  • 결합된 힘: 결합된 DUNE+T2HK 분석은 가장 강력한 테스트를 제공하며, 파라미터 공간에 대한 가장 강력한 제약을 제공한다.

의의
본 논문은 JUNO, DUNE, T2HK의 결합된 정밀도가 잔류 대칭성 기반의 플래버 모델을 정밀하게 조사하기 위한 강력한 프레임워크를 구축한다고 주장한다. $\theta_{12}$의 정밀한 측정과 $\theta_{23}$ 및 $\delta_{CP}$에 대한 장거리 기선 민감도 사이의 상호작용은 광범위한 클래스의 이산 대칭성 예측을 결정적으로 테스트하거나 배제할 수 있게 한다. 저자들은 이러한 미래 실험들이 일반적인 현상론적 피팅을 넘어, 렙톤 혼합의 구체적인 군론적 기원을 테스트할 수 있게 할 것이라고 결론짓는다.