Progress on computing the hadronic vacuum polarization contribution to the muon anomalous magnetic moment with staggered fermions

Dit artikel presenteert een update van de berekening van de licht-quark, verbonden hadronische vacuümpolarisatie-bijdrage aan het muon anomale magnetisch moment met behulp van HISQ-staggered fermionen, inclusief voorlopige resultaten op een fysisch pion-ensemble en verbeteringen in de algoritmen voor de berekening van de vector-vector correlatiefunctie.

De kern

De Muon en de 'Geheime Kracht': Een Verhaal over de Berekening van een Kleinigheid

Stel je voor dat je een heel klein deeltje hebt, een muon. Dit deeltje is als een zware, snelle versie van een elektron. Het heeft een eigen magneetje, een beetje zoals een kompasnaald. In de wereld van de quantumfysica draait dit kompasje niet perfect; het wankelt een beetje. Deze kleine wankeling noemen wetenschappers de anomalie in het magnetisch moment.

Wetenschappers kunnen dit wankelen heel precies meten in een laboratorium (zoals bij Fermilab in de VS). Ze weten nu precies hoe groot die wankeling is. Maar om te begrijpen wat er in het universum gebeurt, moeten we ook een berekening maken: wat zou de theorie zeggen dat de wankeling moet zijn?

Hier komt het probleem: de theorie is niet alleen een simpele formule. Het universum zit vol met een soort 'kwantumsoep' van deeltjes die voortdurend ontstaan en verdwijnen. Voor de muon is dit een soep van hadronen (de bouwstenen van atoomkernen, zoals protonen en neutronen). Deze soep zorgt ervoor dat de muon even een 'schaduw' van zichzelf ziet, wat zijn magneetje beïnvloedt. Dit noemen ze de Hadronische Vacuümpolarisatie (HVP).

Het probleem is dat het berekenen van deze 'schaduw' in de computer extreem moeilijk is. Het is alsof je probeert het gewicht van een wolk te meten terwijl je in een storm staat.

Wat doen deze onderzoekers?

De onderzoekers in dit paper (waaronder Vaishakhi Moningi en collega's) zijn een team van computerwiskundigen en fysici. Ze proberen die 'schaduw' van de muon zo nauwkeurig mogelijk te berekenen met supercomputers. Ze gebruiken een methode genaamd rooster-QCD (Lattice QCD).

De Analogie van de Fotoalbum:
Stel je voor dat je een fotoalbum wilt maken van een heel drukke stad (het universum). Je wilt weten hoe druk het is op elk moment.

1. De oude methode: Je neemt een foto van de hele stad, maar de camera is niet scherp genoeg. Je ziet wel de grote gebouwen, maar de mensen op de achtergrond zijn wazig. Om de wazigheid te verhelpen, maak je duizenden foto's en telt je ze allemaal bij elkaar op. Dit kost enorm veel tijd en rekenkracht.
2. De nieuwe methode (in dit paper): Ze hebben een slimme truc bedacht. Ze splitsen de stad op in twee delen:
   • De grote gebouwen (Laag-energetische modi): Dit zijn de duidelijke, makkelijke dingen. Ze kunnen deze heel precies berekenen.
   • De mensen op de achtergrond (Hoge-energetische modi): Dit is het rommelige, wazige deel.

In het verleden behandelden ze de 'wazige achtergrond' als één grote, rommelige klomp. Maar ze merkten dat de 'wazigheid' (de statistische ruis) vooral kwam van een specifiek deel van die achtergrond dat ze niet goed hadden gemiddeld.

De Slimme Trucs (De 'Gereedschappen')

Om dit probleem op te lossen, hebben ze twee nieuwe gereedschappen ontwikkeld:

1. De 'Scheidingstafel' (High-Low Splitsing):
   In plaats van alles door elkaar te gooien, maken ze een aparte lijst voor de 'wazige' delen die toch nog iets met de 'grote gebouwen' te maken hebben. Ze berekenen deze apart en heel zorgvuldig.

   • Vergelijking: Stel je voor dat je een grote bak met soep hebt. In plaats van alles door elkaar te roeren, haal je de grote stukken groente eruit en tel je die apart. Dan roer je de rest van de soep, maar je zorgt dat je de grote stukken niet vergeet. Zo krijg je een veel scherpere smaak (resultaat).

2. De 'Verdunnde Netwerk' (Sparsening):
   Voor de 'grote gebouwen' (de laag-energetische delen) moeten ze een enorme hoeveelheid data verwerken. Dit is alsof je elke steen in een muur moet tellen.

   • De truc: Ze besluiten om niet elke steen te tellen, maar bijvoorbeeld elke 2e of 4e steen, op een heel regelmatig patroon. Omdat de stenen dicht bij elkaar liggen, lijken ze op elkaar. Als je er eentje meet, weet je al ongeveer hoe de andere eruit zien.
   • Het resultaat: Ze hoeven veel minder data te verwerken, maar het eindresultaat is bijna net zo goed. Het is alsof je een foto van een bos maakt, maar je kijkt alleen naar elke 4e boom. Omdat de bomen er allemaal hetzelfde uitzien, zie je het bos toch perfect.

Wat is het resultaat?

Ze hebben deze nieuwe methoden getest op twee verschillende 'stadjes' (roosters):

• Een wat groter stadje (643 rooster) waar ze al eerder werkten.
• Een heel fijn, gedetailleerd stadje (1443 rooster) met een heel kleine steenmaat (0.042 fm). Dit is de fijnste schaal die ze tot nu toe hebben gebruikt.

De uitkomsten:

• Met hun nieuwe methode zijn de foutmarges (de 'wazigheid') in de berekening aanzienlijk kleiner geworden.
• Ze hebben laten zien dat ze de berekening veel sneller kunnen doen zonder aan nauwkeurigheid te verliezen.
• Ze hebben al eerste, voorlopige resultaten voor het fijnste rooster. Deze zien er veelbelovend uit, maar ze moeten nog meer metingen doen om zeker te zijn.

Waarom is dit belangrijk?

Als de berekende waarde (wat de computer zegt) niet overeenkomt met de gemeten waarde (wat het lab zegt), betekent dit dat er iets ontbreekt in onze theorie. Misschien bestaan er nieuwe deeltjes of krachten die we nog niet kennen!

Deze onderzoekers bouwen de beste 'rekenmachine' die we hebben om die vergelijking te maken. Als ze hun berekening perfect kunnen maken, kunnen we misschien de volgende grote ontdekking in de natuurkunde doen: nieuwe deeltjes die ons universum samenstellen.

Kortom: Ze hebben de 'bril' opgepoetst waarmee we naar de quantumwereld kijken, zodat we de kleine details van de muon eindelijk scherp kunnen zien.

Technische samenvatting

Titel: Vooruitgang in het berekenen van de bijdrage van hadronische vacuümpolarisatie aan het anomalie magnetische moment van het muon met gestaggerde fermionen

Auteurs: Vaishakhi Moningi et al. (Univ. of Connecticut, Fordham Univ., San Francisco State Univ., Univ. Autònoma de Barcelona)
Context: LATTICE2024 (41e Internationale Symposium voor Lattice Field Theory), juli 2024.

---

1. Het Probleem

Het anomalie magnetische moment van het muon, $a_\mu = (g-2)/2$, is een van de meest nauwkeurige grootheden in de deeltjesfysica. Een vergelijking tussen experimentele metingen (zoals die van Fermilab E989) en theoretische voorspellingen kan nieuwe deeltjes of interacties blootleggen die buiten het Standaardmodel vallen.

De theoretische berekening van $a_\mu$ wordt beperkt door de hadronische vacuümpolarisatie (HVP) bijdrage. Deze HVP-bijdrage is lastig te berekenen omdat deze de sterke interacties (QCD) omvat. De grootste onzekerheid zit in de verbonden (connected) bijdrage van lichte quarks. Het doel van dit onderzoek is om deze bijdrage met hogere precisie te berekenen, specifiek voor een ensemble met fysische pionmassa's en een zeer fijne roosteroplossing (lattice spacing), om de toenemende precisie van experimentele data bij te houden.

2. Methodologie

De auteurs gebruiken Lattice QCD met HISQ-actie (Highly Improved Staggered Quarks) voor 2+1+1 quarksmaken. Ze focussen op de berekening van de Euclidische tijd-correlatiefunctie $C(t)$ van twee elektromagnetische stromen.

De kern van de methodologische verbeteringen ligt in de efficiëntere verwerking van de quark-propagator via spectrale decompositie:
$$S(x, y) = S_L + S_H$$
waarbij $S_L$ de bijdrage is van lage eigenmodes (low-modes) en $S_H$ die van hoge modes. De correlatiefunctie $C(t)$ wordt hierdoor opgesplitst in vier delen: $LL$, $LH$, $HL$, en $HH$.

Belangrijke algoritme-verbeteringen:

• Scheiding van HL-bijdrage: In eerdere werken werden de $HL$ (High-Low) en $HH$ (High-High) delen samen berekend. De auteurs splitsen nu de $HL$-bijdrage apart. Dit maakt een volledige volumegemiddelde mogelijk voor de $HL$-term, wat de statistische ruis aanzienlijk verlaagt, aangezien de ruis in de lange-afstandsregio voornamelijk van de lage modes komt.
• Low-Mode Averaging (LMA) & All-Mode Averaging (AMA):
  • Voor de $LL$-term: Er wordt gebruik gemaakt van "mesonvelden" die zijn opgebouwd uit de lage eigenmodes. Om de rekentijd te verkleinen op grote roosters, wordt een sparsening-techniek toegepast. Hierbij worden systematisch punten over het rooster weggelaten (bijv. elke $s$-de punt), wat de rekenkosten drastisch verlaagt zonder de statistische fout significant te vergroten, omdat nabijgelegen punten sterk gecorreleerd zijn.
  • Voor de $HL$-term: Elke lage mode fungeert als bron voor de hoge modes. Om de kosten van het oplossen van de Dirac-operator voor elke mode te verlagen, wordt een random "hit"-methode gebruikt. Hierbij worden lineaire combinaties van bronnen gevormd met unieke willekeurige getallen, waardoor ongewenste kruistermen in het gemiddelde worden geëlimineerd.
  • Voor de $HH$-term: Deze wordt berekend op een regelmatig, verspreid rooster van puntbronnen, waarbij de lage-modedeel wordt afgetrokken.

3. Belangrijkste Bijdragen

• Implementatie van een nieuwe HL-strategie: Het apart berekenen van de $HL$-bijdrage met volledige volumegemiddelde, in plaats van deze te combineren met de $HH$-bijdrage.
• Sparsening van lage modes: Een innovatieve techniek om de berekening van mesonvelden voor de $LL$-bijdrage te versnellen door het rooster te "versmallen" (sparsening), wat essentieel is voor de zeer grote roosters (1443 × 288).
• Efficiëntieverbetering: De combinatie van deze technieken reduceert het aantal benodigde Dirac-oplossingen (solves) en verlaagt de statistische fouten, vooral in de lange-afstandsregio van de correlatiefunctie.

4. Resultaten

De auteurs presenteren resultaten voor twee ensembles:

1. Bestaand ensemble (643 × 96, $a \approx 0.088$ fm):

   • Vergelijking tussen de oude en nieuwe methode toont een duidelijke reductie in statistische fouten, vooral in de lange-afstandsregio ($t > 2.3$ fm).
   • De nieuwe methode met "1 hit" levert een verbetering van 6,78% in de totale fout op.
   • Met "10 hits" wordt een verbetering van 23,7% bereikt in het lange-afstandsfenster (2,3 - 3,3 fm).
   • De $LL$-bijdrage blijft de dominante bron van onzekerheid, maar de sparsening-techniek verhoogt de rekensnelheid voor deze term aanzienlijk.

2. Nieuw ensemble (1443 × 288, $a = 0.042$ fm):

   • Dit is het fijnste rooster tot nu toe, met fysische pionmassa's.
   • Voorlopige resultaten voor twee tijdsvensters (windows) van $a_\mu^{HVP}$ zijn gepresenteerd (zie Tabel 2 in het artikel).
   • De nieuwe methode is toegepast op de $HL$-term, maar de sparsening voor de $LL$-term is voor dit specifieke ensemble nog niet volledig geïmplementeerd in de gepresenteerde data.
   • De resultaten zijn veelbelovend, hoewel meer configuraties nodig zijn om de methoden volledig te valideren.

5. Betekenis en Conclusie

Deze studie markeert een belangrijke stap voorwaarts in de precisieberekening van de HVP-bijdrage aan het muon $g-2$.

• Schaalbaarheid: De ontwikkelde technieken (vooral de scheiding van $HL$ en sparsening) maken het mogelijk om berekeningen uit te voeren op extreem grote en fijne roosters (zoals 1443 × 288), die nodig zijn om systematische fouten (zoals eindige rooster- en volume-effecten) te beheersen.
• Efficiëntie: Door de rekentijd drastisch te verlagen zonder precisie te verliezen, wordt het haalbaar om de theoretische onzekerheid te verkleinen tot het niveau dat nodig is om de verwachte experimentele precisie van Fermilab (verwacht in 2025) te evenaren.
• Toekomst: De auteurs benadrukken dat verdere studies nodig zijn om de afwegingen van de sparsening-techniek volledig te beoordelen, maar de huidige resultaten tonen aan dat deze aanpak essentieel is voor de volgende generatie lattice-QCD berekeningen.

Kortom, het werk biedt een robuust kader om de "hadronische muon $g-2$ crisis" (de discrepantie tussen theorie en experiment) verder te onderzoeken met betrouwbare, hoog-precisie QCD-berekeningen.