Global Analysis of Nuclear Parton Distribution Functions using Markov Chain Monte Carlo

모든 원자의 내부 깊숙한 곳에서, 양성자와 중성자는 단단하고 나눌 수 없는 구체가 아니라 쿼크와 글루온이라 불리는 더 작은 입자들의 북적이는 도시와 같습니다. 이 구성 성분들은 집합적으로 파톤(parton)이라 알려져 있으며, 강한 핵력에 의해 결합된 채 빛의 속도에 가깝게 질주합니다. 별의 중심부에서부터 거대 강입자 가속기 내부의 충돌에 이르기까지, 가장 극한의 환경에서 물질이 어떻게 행동하는지 이해하기 위해 물리학자들은 이 파톤들이 모체 입자의 운동량을 어떻게 나누어 갖는지 정확하게 지도화해야 합니다. 이 지도를 파톤 분포 함수(parton distribution function)라고 부릅니다. 양성자와 중성자가 무거운 원자핵 안에 함께 갇혀 있을 때, 규칙은 변합니다. 혼잡한 핵 환경은 파톤 지도를 왜곡하여 과학자들이 핵 파톤 분포 함수라고 부르는 복잡하고 수정된 지형을 만들어냅니다. 이러한 지도를 결정하는 것은 고에너지 실험의 결과를 예측하는 데 매우 중요하지만, 데이터가 부족하고 최적의 적합(fit)을 찾기 위해 사용되는 수학적 지형이 종종 울퉁불퉁하고 숨겨진 골짜기로 가득 차 있기 때문에 매우 어렵기로 유명합니다.

수십 년 동안 연구자들은 이 지형을 탐색하기 위해 표준적인 수학적 지름길에 의존해 왔습니다. 헤시안(Hessian) 접근법으로 알려진 이 방법은 최적의 해 주변의 지형이 완벽한 포물선처럼 매끄럽고 대칭적인 그릇 형태라고 가정합니다. 이 그릇의 옆면이 얼마나 가파른지를 측정함으로써, 과학자들은 자신들의 지도가 얼마나 불확실한지 추정할 수 있습니다. 그러나 이 가정은 데이터가 풍부하고 변수 간의 관계가 단순할 때 가장 잘 작동합니다. 데이터가 제한적이고 서로 다른 유형의 입자 간의 연결이 얽혀 있는 무거운 원자핵의 경우, 이 매끄러운 그릇 가정은 흔히 무너집니다. 실제 지형은 울퉁불퉁하거나, 기울어져 있거나, 심지어 솔루션이 숨어 있을 수 있는 여러 개의 분리된 골짜기를 포함하고 있을 수도 있습니다. 만약 과학자들이 실제로는 울퉁불퉁한 지형을 매끄럽다고 가정한다면, 그들의 불확실성 추정치는 오해를 불러일으킬 수 있으며, 원자핵의 진정한 복잡성을 은폐할 위험이 있습니다.

이를 해결하기 위해, 나심 데라크샤니안(Nasim Derakhshanian)이 이끄는 연구팀은 마르코프 체인 몬테카를로(Markov Chain Monte Carlo)라고 불리는 기법을 사용하여 이 핵 지도를 탐색하는 새로운 방법을 개발했습니다. 이 방법은 지형을 매끄러운 그릇이라고 가정하는 대신, 탐색을 광활하고 미지의 영역을 통과하는 유도된 산책처럼 취급합니다. 연구자는 수백만 번의 무작위 단계를 수행하며 각 단계가 가용한 실험 데이터와 얼마나 잘 맞는지 끊임없이 확인하는 컴퓨터 프로그램을 구축했습니다. 시간이 흐름에 따라 프로그램은 지형의 실제 모양을 학습하며, 솔루션이 가장 잘 맞는 깊은 골짜기에서는 더 많은 시간을 보내고, 데이터가 맞지 않는 높은 봉우리에서는 시간을 덜 보냅니다. 이를 통해 연구자들은 전체 확률 분포를 직접 샘플링하여, 기존 방식이 놓칠 수 있는 비대칭성, 다중 솔루션, 그리고 복잡한 상관관계를 포착할 수 있습니다.

연구자는 실험에 사용되는 가장 무겁고 복잡한 원자 중 하나인 납의 핵에 이 새로운 접근 방식을 적용했습니다. 그들은 연구 결과의 견고함을 테스트하기 위해 두 가지 뚜렷한 유형의 분석을 수행했습니다. 첫째, 외부의 영향 없이 적합의 본질적인 구조를 보기 위해 납 핵으로부터 나온 데이터만을 사용하는 "납 전용" 지도를 만들었습니다. 이 분석은 매우 복잡하고 비자명한 구조를 드러냈습니다. 컴퓨터 샘플링 결과, 양성자의 정체성을 부여하는 핵심 입자인 밸런스 쿼크(valence quarks)를 설명하는 매개변수들이 단 하나의 매끄러운 골짜기에 위치하지 않는다는 것이 밝혀졌습니다. 대신, 지형에는 적합도가 상당히 높을 수 있는 여러 개의 국소 최솟값, 즉 이차적인 골짜기들이 존재했습니다. 솔루션의 분포는 왜곡되고 비대칭적이었으며, 이는 불확실성이 모든 방향에서 동일하지 않음을 의미했습니다. 단일한 대칭 골짜리를 가정하는 표준 헤시안 방식은 이러한 다중 피크(multi-peaked)의 실체를 포착하지 못했고, 결과적으로 복잡한 구조를 뭉뚱그려 불완전한 불확실성 그림을 제공했습니다.

더 많은 정보가 추가되었을 때 이 복잡한 그림이 어떻게 변하는지 확인하기 위해, 연구자는 납뿐만 아니라 다양한 가벼운 원자핵의 데이터를 포함하는 두 번째 분석을 수행했습니다. 서로 다른 원자 질량을 표준적인 수학적 관계로 연결함으로써, 그들은 납의 거동을 가벼운 원소들과 연결하는 새로운 제약 조건을 도입했습니다. 이 "다중 핵(multi-nuclei)" 분석은 지형을 크게 변화시켰습니다. 납 전용 분석에서 두드러졌던 이차 골짜기들은 대부분 억제되었고, 매개변수 공간은 더 규칙적이며 하나의 지배적인 골짜에 가까워졌습니다. 가벼운 원자핵의 포함은 강력한 닻 역할을 하여 쿼크 분포에 대한 제약을 강화하고 납 지도의 불확실성을 줄였습니다. 그러나 이러한 추가적인 제약에도 불구하고, 연구자는 지형이 완벽하게 대칭적이지는 않다는 것을 발견했습니다. 특히 밸런스 쿼크 분포에서 미묘한 비가우시안(non-Gaussian) 특징과 비대칭적인 꼬리 부분이 지속적으로 나타났는데, 이는 표준 헤시안 방식이 여전히 놓쳤을 부분입니다.

두 접근 방식 사이의 직접적인 비교는 그들이 데이터를 처리하는 방식의 결정적인 차이를 강조했습니다. 납 전용 분석에서, 새로운 방식은 쿼크 분포에 대한 불확실성 띠(uncertainty bands)가 기존 방식이 제시한 것보다 훨씬 넓고 비대칭적임을 보여주었습니다. 매끄러운 그릇 가정을 따르는 기존 방식은 가능한 범위의 진정한 폭을 과소평가했습니다. 다중 핵 데이터가 추가되었을 때 불확실성은 줄어들었지만, 새로운 방식은 여전히 남아있는 비대칭성을 고려한 더 현실적이고 제약된 불확실성을 보여주었습니다. 흥osamente도, 강한 힘을 전달하는 입자인 글루온(gluons)의 분포는 두 분석 모두에서 비교적 안정적이었습니다. 글루온 분포는 이미 거대 강입자 가속기의 납 충돌로부터 얻은 직접적인 데이터에 의해 잘 규정되어 있기 때문에, 가벼운 핵의 데이터를 추가하는 것이 쿼크 분포와 달리 글루온의 모습에는 큰 변화를 주지 않았습니다.

이 연구는 또한 이러한 복잡한 결과를 다른 과학자들이 사용할 수 있도록 만드는 실용적인 방법도 입증했습니다. 새로운 방식은 전체 확률 분포를 나타내는 수천 개의 개별 샘플을 생성하는데, 이를 직접 공유하기에는 너무 방대합니다. 연구자는 이 거대한 데이터셋을 필수적인 통계 정보를 잃지 않으면서 관리 가능한 작은 복제본 세트로 압축하는 다양한 방법을 테스트했습니다. 그들은 단순히 일정한 간격으로 샘플을 선택하는 것이 중앙값에는 효과적이지만, 샘로 크기가 너무 작아지면 불확실성 띠를 왜곡할 수 있다는 것을 발견했습니다. 전체 데이터셋의 형태와 상관관계를 보존하도록 설계된 더 정교한 압축 알고리즘은, 최종 세트가 지나치게 축소되지 않는 한 분포의 복잡한 특징을 유지하는 데 더 우수한 성능을 보였습니다.

궁극적으로, 이 작업은 핵 파톤 분포 함수의 통계적 지형이 이전에 상정했던 것보다 훨씬 더 복잡하다는 것을 확립합니다. 솔루션 공간을 매끄럽고 대칭적인 그릇으로 근사하는 표준 방식은, 특히 납과 같은 무거운 핵을 다룰 때 전체적인 복잡성을 포착하기에 불충분합니다. 전체 지형을 직접 샘플링하는 방식을 사용함으로써, 연구자는 이전에는 보이지 않았던 다중 경쟁 솔루션 및 비대칭적 불확실성과 같은 숨겨진 구조들을 드러냈습니다. 이 접근 방식은 원자핵에 대한 우리의 미지수를 정량화하는 더 신뢰할 수 있고 투명한 방법을 제공하며, 향후 고에너지 물리학 실험을 위한 예측이 데이터의 복잡성을 진정으로 반영하는 토대 위에서 구축되도록 보장합니다.