A Bayesian approach to the long-baseline neutrino oscillation sensitivity of DUNE
Dit artikel past een Bayesiaanse Markov Chain Monte Carlo-benadering toe om de gevoeligheid van DUNE voor neutrino-oscillaties over lange baselines te herevalueren met behulp van bestaande inputs, waarbij een verbeterde octantgevoeligheid wordt onthuld door post-hoc reactorbeperkingen en de eerste studie naar de gevoeligheid van DUNE voor de Jarlskog-invariant wordt gepresenteerd.
Oorspronkelijke auteurs: DUNE Collaboration, S. Abbaslu, F. Abd Alrahman, A. Abed Abud, R. Acciarri, M. A. Acero, M. R. Adames, G. Adamov, M. Adamowski, K. Adhikari, C. Adriano, K. Agudelo-Jaramillo, F. Akbar, F. Alemanno, N. S. Alex, L. Aliaga Soplin, A. Alqaisi, O. Alterkait, A. Alton, R. Alvarez, T. Alves, A. Aman, H. Amar, R. M. Amarinei, P. Amedo, E. P. M. Amorim, D. A. Andrade, C. Andreopoulos, M. Andreotti, M. P. Andrews, M. Andriamirado, F. Andrianala, S. Andringa, S. Ansarifard, D. Antic, A. Antonakis, T. Araya-Santander, L. Arellano, E. Arrieta Diaz, M. A. Arroyave, M. Artero Pons, B. Aryal, J. Asaadi, M. Ascencio, A. Ashkenazi, L. Asquith, M. S. Athar, E. Atkin, A. Aurisano, V. Aushev, D. Autiero, M. B. Azam, F. Azfar, J. J. Back, Y. Bae, I. Bagaturia, L. Bagby, H. Bagdu, D. Baigarashev, S. Balasubramanian, A. Balboni, P. Baldi, W. Baldini, J. Baldonedo, B. Baller, B. Bambah, F. Barao, T. Barbera, D. Barbu, G. Barenboim, P. Barham Alzás, G. J. Barker, W. Barkhouse, E. Barlas Yucel, G. Barr, W. Barrett, D. Barrow, J. L. Barrow, A. Basharina-Freshville, A. Bashyal, V. Basque, M. Bassani, D. Basu, L. Bathe-Peters, J. B. R. Battat, F. Battisti, J. Bautista, F. Bay, J. L. L. Bazo Alba, J. F. Beacom, E. Bechetoille, A. Beever, B. Behera, E. Belchior, B. Bell, G. Bell, L. Bellantoni, G. Bellettini, V. Bellini, O. Beltramello, C. Benitez Montiel, D. Benjamin, A. Ben Porat, K. Benslama, F. Bento Neves, J. Berger, S. Berkman, J. Bernal, P. Bernardini, A. Bersani, E. Bertholet, E. Bertolini, S. Bertolucci, M. Betancourt, A. Betancur Rodríguez, Y. Bezawada, A. T. Bezerra, A. Bhat, V. Bhatnagar, M. Bhattacharjee, S. Bhattacharjee, M. Bhattacharya, S. Bhuller, B. Bhuyan, S. Biagi, J. Bian, K. Biery, B. Bilki, A. Binau, M. Bishai, A. Blake, A. Blanchet, F. D. Blaszczyk, G. C. Blazey, E. Blucher, A. Bodek, B. Bogart, J. Boissevain, T. Bolton, L. Bomben, M. Bonesini, C. Bonilla-Diaz, A. Booth, F. Boran, C. Borden, R. Borges Merlo, D. Borodulina, N. Bostan, G. Botogoske, B. Bottino, R. Bouet, J. Boza, B. Brahma, D. Brailsford, F. Bramati, A. Branca, A. Brandt, J. Bremer, S. J. Brice, S. Brickner, V. Brio, C. Brizzolari, C. Bromberg, J. Brooke, A. Bross, M. B. Brunetti, G. Buccino, N. Buchanan, H. Budd, J. Buergi, A. Bundock, D. Burgardt, S. Butchart, G. Caceres V., R. Calabrese, J. Calcutt, L. Calivers, S. Calvez, E. Calvo, A. Caminata, A. F. Camino, W. Campanelli, A. Campani, N. Canci, J. Capó, I. Caracas, D. Caratelli, G. Carini, M. F. Carneiro, P. Carniti, H. Carranza, N. Carrara, A. Carter, E. Casarejos, D. Casazza, J. F. Castaño Forero, F. A. Castaño, R. Castillo Fernandez, C. Castromonte, E. Catano-Mur, C. Cattadori, F. Cavalier, F. Cavanna, S. Centro, G. Cerati, C. Cerna, A. Cervelli, A. Cervera Villanueva, J. Chakrani, M. Chalifour, A. Chappell, A. Chatterjee, B. Chauhan, C. Chavez Barajas, H. Chen, M. Chen, W. C. Chen, Y. Chen, Z. Chen, D. Cherdack, S. S. Chhibra, F. Chiapponi, R. Chirco, K. Cho, S. Choate, G. Choi, D. Chokheli, O. Chow, B. Chowdhury, D. Christian, E. Church, M. F. Cicala, M. Cicerchia, V. Cicero, P. Clarke, J. Cleeve, G. Cline, A. G. Cocco, J. Collazo, J. Collot, H. Combs, J. M. Conrad, L. Conti, T. Contreras, M. Convery, S. Copello, P. Cova, C. Cox, L. Cremonesi, J. I. Crespo-Anadón, M. Crisler, E. Cristaldo, J. Crnkovic, G. Crone, R. Cross, A. Cudd, C. Cuesta, Y. Cui, F. Curciarello, D. Cussans, O. Dalager, W. Dallaway, R. D'Amico, H. da Motta, Z. A. Dar, R. Darby, L. Da Silva Peres, Q. David, G. S. Davies, S. Davini, C. Davis, J. Dawson, M. P. Decowski, A. de Gouvêa, P. C. De Holanda, P. De Jong, P. Del Amo Sanchez, G. De Lauretis, A. Delbart, M. Delgado, A. Dell'Acqua, G. Delle Monache, N. Delmonte, G. De Matteis, J. R. T. de Mello Neto, A. P. A. De Mendonca, D. M. DeMuth, S. Dennis, C. Densham, P. Denton, G. W. Deptuch, V. De Romeri, J. P. Detje, K. Dhanmeher, R. Dharmapalan, M. Dias, A. Diaz, J. S. Díaz, F. Díaz, F. Di Capua, A. Di Domenico, S. Di Domizio, S. Di Falco, D. Di Ferdinando, L. Di Giulio, P. Ding, L. Di Noto, E. Diociaiuti, G. Di Sciascio, C. Distefano, R. Di Stefano, R. Diurba, M. Diwan, Z. Djurcic, S. Dolan, M. Dolce, M. J. Dolinski, D. Domenici, S. Donati, S. Doran, D. Douglas, F. Drielsma, D. J. Drobner, D. Duchesneau, K. Duffy, K. Dugas, P. Dunne, S. Durando, B. Dutta, D. A. Dwyer, A. S. Dyshkant, S. Dytman, M. Eads, S. Edayath, J. Eisch, S. Elias, J. Ellis, W. Emark, P. Englezos, A. Ereditato, D. T. Ergonul, T. Erjavec, C. O. Escobar, J. J. Evans, E. Ewart, A. C. Ezeribe, K. Fahey, A. Falcone, C. Fang, M. Fani', F. Fanomezana, D. Faragher, C. Farnese, Y. Farzan, J. Felix, Y. Feng, C. Ferrari, M. Ferreira da Silva, E. Fialova, L. Fields, P. Filip, A. Filkins, F. Filthaut, G. Fiorillo, M. Fiorini, N. F. Fiuza De Barros, A. Flather, S. Fogarty, W. Foreman, B. Fossing, J. Franc, K. Francis, D. Franco, J. Franklin, J. Freeman, A. Friedland, S. Fuess, I. K. Furic, K. Furman, A. P. Furmanski, R. Gaba, A. Gabrielli, A. M Gago, F. Galizzi, H. Gallagher, M. Galli, N. Gallice, V. Galymov, E. Gamberini, T. Gamble, R. Gan, R. Gandhi, S. Ganguly, F. Gao, S. Gao, A. Garcia, D. Garcia-Gamez, M. Á. García-Peris, V. Garcia Pol, F. Gardim, S. Gardiner, P. Gauzzi, S. Gent, A. C. Germer, A. Ghosh, A. Ghosh, T. Giammaria, D. Gibin, I. Gil-Botella, A. Gioiosa, S. Giovannella, A. K. Giri, D. Gnani, O. Gogota, S. Gollapinni, K. Gollwitzer, R. A. Gomes, L. S. Gomez Fajardo, C. Gonzalez, D. Gonzalez-Diaz, J. Gonzalez-Santome, M. C. Goodman, S. Goswami, C. Gotti, J. Goudeau, C. Grace, E. Gramellini, R. Gran, E. Granados, P. Granger, C. Grant, D. R. Gratieri, P. Green, S. Greenberg, W. C. Griffith, K. Grzelak, L. Gu, W. Gu, M. Guarise, R. Guenette, D. Guffanti, A. Guglielmi, F. Y. Guo, A. Gupta, V. Gupta, G. Gurung, D. Gutierrez, P. Guzowski, M. M. Guzzo, S. Gwon, A. Habig, R. Hafeji, L. Hagaman, A. Hahn, J. Hakenmüller, A. Hambardzumyan, T. Hamernik, P. Hamilton, M. Handley, F. Happacher, B. Harris, D. A. Harris, L. Harris, A. L. Hart, J. Hartnell, T. Hartnett, T. Hasegawa, C. M. Hasnip, K. Hassinin, R. Hatcher, S. Hawkins, J. Hays, M. He, A. Heavey, K. M. Heeger, A. Heindel, J. Heise, K. Heller, P. Hellmuth, L. Henderson, A. Hergenhan, J. Hernández, M. A. Hernandez Morquecho, K. Herner, V. Hewes, A. Higuera, K. Hildebrandt, A. Himmel, E. Hinkle, L. R. Hirsch, J. Ho, A. Holin, G. A. Horton-Smith, R. Hosokawa, T. Houdy, B. Howard, I. Hristova, M. S. Hronek, Y. Hua, J. Huang, R. G. Huang, X. Huang, Z. Hulcher, A. Hussain, N. Ilic, A. M. Iliescu, R. Illingworth, G. Ingratta, A. Ioannisian, M. Ismerio Oliveira, C. M. Jackson, A. Jacobi, V. Jain, C. James, E. James, R. James, S. Jana, W. Jang, B. Jargowsky, C. Jiang, J. Jiang, X. Jin, A. Jipa, J. H. Jo, A. M. Johnson, W. Johnson, C. Jollet, M. Joshi, N. Jovancevic, M. Judah, C. K. Jung, K. Y. Jung, T. Junk, Y. Jwa, M. Kabirnezhad, A. C. Kaboth, I. Kadenko, O. Kalikulov, M. Kandemir, S. Kar, C. Karagianni, G. Karagiorgi, G. Karaman, A. Karcher, Y. Karyotakis, L. Kashur, A. Kauther, N. Kazaryan, L. Ke, E. Kearns, P. T. Keener, A. Kelly, K. J. Kelly, J. Kerby, D. Kereibay, Y. Kermaidic, W. Ketchum, S. H. Kettell, N. Khan, A. Khvedelidze, J. Kim, M. J. Kim, S. Kim, B. King, M. King, M. Kirby, A. Kish, J. Klein, J. Kleykamp, T. Kobilarcik, L. Koch, L. W. Koerner, D. H. Koh, K. Kong, M. Kordosky, V. A. Kostelecký, I. Kotler, M. Kramer, F. Krennrich, T. Kroupova, S. Kubota, M. Kubu, V. A. Kudryavtsev, G. Kufatty, A. Kumar, A. Kumar, J. Kumar, M. Kumar, P. Kumar, S. Kumaran, J. Kunzmann, V. Kus, T. Kutter, T. Labree, M. Lachat, T. Lackey, A. Lambert, B. J. Land, C. E. Lane, N. Lane, K. Lang, M. Langstaff, F. Lanni, S. Lanzi, J. Larkin, P. Lasorak, D. Last, W. Lavrijsen, H. Lay, I. Lazanu, M. Lazzaroni, S. Leardini, J. Learned, G. Lehmann Miotto, R. Lehnert, S. Lehrman, M. Leitner, H. Lemoine, D. Leon Silverio, L. M. Lepin, J. D. Lewis, J. -Y Li, S. W. Li, Y. Li, R. C. R. Lima, C. S. Lin, D. Lindebaum, S. Linden, A. Lister, B. R. Littlejohn, J. Liu, Y. Liu, Y. Liu, M. Lkhagvadorj, S. Lockwitz, I. Lomidze, J. Lopez, N. López-March, A. Lopez Moreno, J. M. LoSecco, A. Lozano Sanchez, X. -G. Lu, M. Lucente, K. B. Luk, X. Luo, G. Lupi, E. Luppi, A. A. Machado, P. Machado, C. T. Macias, J. R. Macier, L. Madern, S. Magill, K. Mahn, A. Maio, N. Majeed, K. Majumdar, P. K. Mal, S. Mameli, M. Man, R. C. Mandujano, J. Maneira, S. Manly, K. Manolopoulos, M. Manrique Plata, S. Manthey Corchado, L. Manzanillas-Velez, E. Mao, M. Marchan, A. Marchionni, D. Marfatia, C. Mariani, J. Maricic, F. Marinho, A. D. Marino, T. Markiewicz, F. Das Chagas Marques, M. Marshak, C. M. Marshall, J. Marshall, J. Martin, M. Martin, L. Martina, J. Martín-Albo, D. A. Martinez Caicedo, M. Martinez-Casales, F. Martínez López, V. Mascagna, A. Mastbaum, M. Masud, F. Matichard, J. Matthews, C. Mauger, N. Mauri, K. Mavrokoridis, I. Mawby, T. McAskill, N. McConkey, B. McConnell, K. S. McFarland, C. McGivern, C. McGrew, A. McNab, C. McNulty, J. Mead, L. Meazza, V. C. N. Meddage, A. Medhi, M. Mehmood, B. Mehta, P. Mehta, F. Mei, P. Melas, L. Mellet, O. Mena, D. P. Méndez, A. Menegolli, G. Meng, A. Mengarelli, A. Meregaglia, G. Merino, M. D. Messier, S. Metallo, M. Mewes, H. Meyer, T. Miao, J. Micallef, G. Michna, R. Milincic, F. Miller, G. Miller, W. Miller, A. Minotti, L. Miralles Verge, C. Mironov, S. Miscetti, P. Mishra, S. R. Mishra, D. Mladenov, I. Mocioiu, A. Mogan, P. S. Mohan, R. Mohanta, T. A. Mohayai, J. Molina, L. Molina Bueno, E. Montagna, A. Montanari, C. Montanari, D. Montanari, D. Montanino, L. M. Montaño Zetina, M. Mooney, A. F. Moor, M. Moore, Z. Moore, B. Moreira, D. Moreno, G. Moreno-Granados, O. Moreno-Palacios, L. Morescalchi, A. Morita, E. Motuk, C. A. Moura, W. Mu, L. Mualem, J. Mueller, M. Muether, N. Mujica-Schwahn, Y. Mukhamejanov, A. Mukhamejanova, E. Muldoon, M. Mulhearn, D. Munford, L. J. Munteanu, H. Muramatsu, T. Murphy, A. Mytilinaki, J. Nachtman, Y. Nagai, S. Nagu, H. Nam, D. Naples, S. Narita, D. Navas-Nicolás, A. Navrer-Agasson, N. Nayak, M. Nebot-Guinot, J. K. Nelson, O. Neogi, J. Nesbit, C. Nesmith, M. Nessi, D. Newbold, M. Newcomer, L. Nguyen, R. Nichol, F. J. Nicolas-Arnaldos, A. Nielsen, A. Nikolica, J. Nikolov, E. Niner, X. Ning, A. Norman, N. Noroozi, A. Norrick, P. Novella, A. Nowak, J. A. Nowak, J. P. Ochoa-Ricoux, S. Oh, S. B. Oh, L. Olaya-Quemba, A. Olivier, T. Olson, Y. Onel, A. Oranday, G. D. Orebi Gann, A. I. R. Orimogunje, M. Osbiston, J. E. Ossa Sanchez, L. O'Sullivan, L. Otiniano Ormachea, L. Pagani, O. Palamara, S. Palestini, J. M. Paley, M. Pallavicini, C. Palomares, B. Pan, S. Pan, M. Panareo, P. Panda, V. Pandey, W. Panduro Vazquez, E. Pantic, V. Paolone, A. Papadopoulou, R. Papaleo, D. Papoulias, S. Paramesvaran, J. Park, J. Park, Y. Park, S. Parke, S. Parsa, M. Parvu, D. Pasciuto, S. Pascoli, L. Pasqualini, C. Pate, G. Patel, J. L. Paton, C. Patrick, L. Patrizii, R. B. Patterson, T. Patzak, A. Paudel, L. Paulucci, Z. Pavlovic, G. Pawloski, D. Payne, A. Peake, V. Pec, E. Pedreschi, L. Pelegrina-Gutiérrez, W. Pellico, E. Pennacchio, A. Penzo, O. L. G. Peres, Y. F. Perez Gonzalez, L. Pérez-Molina, C. Pernas, J. Perry, D. Pershey, G. Petrillo, C. Petta, R. Petti, M. Pfaff, V. Pia, G. M. Piacentino, L. Pickering, G. Piemonti, L. Pierini, F. Pietropaolo, M. Pimenta Sampaio, V. L. Pimentel, G. Pinaroli, S. Pincha, K. Pitts, P. Plesniak, K. Pletcher, K. Plows, C. Pollack, F. Polleri, T. Pollmann, F. Pompa, X. Pons, N. Poonthottathil, F. Poppi, J. Porter, L. G. Porto Paixao, M. Pozzato, R. Pradhan, L. Prais, T. Prakash, M. Prest, D. Pugnere, D. Pullia, X. Qian, J. Queen, J. Quelin-Lechevranton, J. L. Raaf, V. Radeka, J. Rademacker, F. Raffaelli, A. Rafique, U. Rahaman, A. Rahe, S. Rajagopalan, M. Rajaoalisoa, I. Rakhno, L. Rakotondravohitra, M. A. Ralaikoto, L. Ralte, L. Ralte, M. A. Ramirez Delgado, B. Ramson, A. Rappoldi, G. Raselli, T. Rath, P. Ratoff, R. Raut, R. Ray, H. Razafinime, R. F. Razakamiandra, E. M. Rea, J. S. Real, B. Rebel, R. Rechenmacher, M. Reggiani-Guzzo, J. Reichenbacher, S. D. Reitzner, E. Renner, S. Repetto, S. Rescia, F. Resnati, J. V. Restrepo Laverde, C. Reynolds, S. Riboldi, C. Riccio, G. Riccobene, J. S. Ricol, M. Rigan, A. Rikalo, A. Ritchie-Yates, D. Rivera, A. Rivetti, A. Robert, E. Robles, A. Roche, M. Roda, D. Rodas Rodríguez, J. Rodriguez Rondon, S. Rosauro-Alcaraz, D. Ross, M. Rossella, M. Ross-Lonergan, N. Roy, P. Roy, C. Royon, C. Rubbia, A. Ruggeri, G. Ruiz Ferreira, K. Rushiya, B. Russell, E. Sabater Andres, S. Sacerdoti, N. Saduyev, D. Sagar, S. Saha, S. K. Sahoo, N. Sahu, S. Sakhiyev, P. Sala, N. Sallin, S. Samanta, M. C. Sanchez, A. Sánchez-Castillo, P. Sanchez-Lucas, D. A. Sanders, S. Sanfilippo, G. Santoni, D. Santoro, N. Saoulidou, P. Sapienza, I. Sarcevic, I. Sarra, C. Sauer, L. Sauer, G. Savage, V. Savinov, A. Scaramelli, T. Schefke, H. Schellman, S. Schifano, P. Schlabach, D. W. Schmitz, A. W. Schneider, K. Scholberg, A. Schroeder, A. Schukraft, B. Schuld, S. Schwartz, A. Segade, H. Segal, E. Segreto, A. Selyunin, D. Senadheera, C. R. Senise, J. Sensenig, S. H. Seo, D. Seppala, M. H. Shaevitz, P. Shanahan, P. Sharma, R. Kumar, S. Sharma Poudel, K. Shaw, T. Shaw, J. Shen, C. Shepherd-Themistocleous, J. Shi, W. Shi, S. Shin, S. Shivakoti, A. Shmakov, I. Shoemaker, R. Shrock, M. Siden, J. Silber, L. Simard, J. Sinclair, G. Sinev, Jaydip Singh, jyotsna Singh, L. Singh, P. Singh, V. Singh, S. Singh Chauhan, R. Sipos, G. Sirri, K. Siyeon, K. Skarpaas, J. Smedley, J. Smith, R. S. Smith-Jones, J. Smolik, M. Smy, M. Snape, E. L. Snider, P. Snopok, M. Soares Nunes, H. Sobel, M. Soderberg, H. Sogarwal, C. J. Solano Salinas, S. Söldner-Rembold, N. Solomey, V. Solovov, W. E. Sondheim, T. Sonius, M. Sorbara, M. Sorel, J. Soto-Oton, A. Sousa, K. Soustruznik, D. Souza Correia, F. Spinella, J. Spitz, N. J. C. Spooner, D. Stalder, M. Stancari, L. Stanco, J. Steenis, R. Stein, H. M. Steiner, A. F. Steklain Lisbôa, J. Stewart, B. Stillwell, J. Stock, T. Stokes, T. Strauss, L. Strigari, W. Su, A. Surdo, L. Suter, A. Sutton, R. Svoboda, S. K. Swain, C. Sweeney, B. Szczerbinska, A. M. Szelc, A. Sztuc, A. Taffara, N. Talukdar, J. Tamara, H. A. Tanaka, S. Tang, N. Taniuchi, A. M. Tapia Casanova, A. Tapper, S. Tariq, E. Tatar, R. Tayloe, K. Tellez Giron Flores, P. Tennessen, M. Tenti, K. Terao, F. Terranova, S. Teruel, G. Testera, A. Thea, S. Thomas, A. Thompson, C. Thorpe, M. Timalsina, S. C. Timm, E. Tiras, V. Tishchenko, S. Tiwari, N. Todorović, L. Tomassetti, A. Tonazzo, D. Torres Muñoz, M. Torti, M. Tortola, Y. Torun, N. Tosi, D. Totani, M. Toups, C. Touramanis, V. Trabattoni, P. Trevarrow, E. Triller, S. Trilov, D. Trotta, W. H. Trzaska, Y. Tsai, Y. -T. Tsai, Z. Tsamalaidze, K. V. Tsang, N. Tsverava, S. Z. Tu, S. Tufanli, C. Tunnell, S. Turnberg, M. Tuzi, M. Tzanov, J. Ureña González, J. Urheim, T. Usher, H. Utaegbulam, S. Uzunyan, M. R. Vagins, P. Vahle, G. A. Valdiviesso, E. Valencia, R. Valentim da Costa Lima, Z. Vallari, E. Vallazza, J. W. F. Valle, R. Van Berg, D. V. Forero, A. Vannozzi, M. Van Nuland-Troost, F. Varanini, N. Vaughan, A. Vázquez-Ramos, J. Vega, G. Velev, J. Vences, A. Verdugo, M. Verzocchi, K. Vetter, M. Vicenzi, H. Vieira de Souza, C. Vignoli, C. Vilela, E. Villa, S. Viola, B. Viren, G. V. Stenico, R. Vizarreta, A. P. Vizcaya Hernandez, S. Vlachos, Q. Vuong, A. V. Waldron, L. Walker, H. Wallace, M. Wallach, J. Walsh, T. Walton, L. Wan, B. Wang, J. Wang, L. Wang, M. H. L. S. Wang, X. Wang, Y. Wang, Y. Wang, L. Warsame, M. O. Wascko, D. Waters, K. Wawrowska, A. Weber, C. M. Weber, M. Weber, H. Wei, A. Weinstein, D. Wermelinger, S. Westerdale, M. Wetstein, Q. Weyrich, K. Whalen, A. J. White, L. H. Whitehead, D. Whittington, M. M. Wiersma, M. J. Wilking, A. Wilkinson, C. Wilkinson, R. J. Wilson, P. Winter, J. Wolcott, J. Wolfs, T. Wongjirad, A. Wood, K. Wood, E. Worcester, M. Worcester, K. Wresilo, M. Wright, M. Wrobel, S. Wu, Z. Wu, J. Wyenberg, B. M. Wynne, Y. Xiao, Z. Xie, D. Xing, B. Yaeggy, A. Yahaya, N. Yahlali, E. Yandel, G. Yang, J. Yang, A. Yankelevich, L. Yates, U. Yevarouskaya, K. Yonehara, T. Young, B. Yu, H. Yu, J. Yu, K. Yu, X. Yu, W. Yuan, R. Zaki, J. Zalesak, L. Zambelli, B. Zamorano, A. Zani, L. Zazueta, G. P. Zeller, J. Zennamo, J. Zettlemoyer, C. Zhang, S. Zhang, Y. Zhang, L. Zhao, K. Zhu, E. D. Zimmerman, S. Zucchelli, A. Zummo, V. Zutshi, R. Zwaska
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
De Grote Neutrino-jacht: Een Kosmisch Spelletje Verstoppertje
Stel je voor dat het universum gevuld is met onzichtbare, spookachtige boodschappers die neutrino's worden genoemd. Deze minuscule deeltjes zijn zo verlegen dat ze door een lichtjaar aan massief lood kunnen reizen zonder ook maar één atoom te raken. Ze razen triljoenen keren per seconde door de aarde, door je lichaam en door de muren van je huis, volledig ongedetecteerd. Decennialang hebben wetenschappers geprobeerd deze geesten te vangen om een enorm mysterie te begrijpen: waarom bestaat ons universum überhaupt?
Het verhaal begint met een vreemde truc die deze deeltjes uithalen. Neutrino's komen in drie "smaken" voor — elektron, muon en tau — maar terwijl ze reizen, blijven ze niet hetzelfde. Ze transformeren, of "oscilleren", van de ene smaak naar de andere. Deze gedaanteverwisseling wordt beheerst door een geheim recept genaamd de "menghoeken" en een verborgen klok genaamd de "CP-schendende fase". Als deze instellingen precies goed zijn, zou het universum tijdens de oerknal meer materie dan antimaterie kunnen hebben gecreëerd, waardoor sterren, planeten en wij kunnen bestaan. Als ze fout zijn, zou alles onmiddellijk met zichzelf geannihileerd zijn. Het Deep Underground Neutrino Experiment (DUNE) is een enorme machine die ontworpen is om deze gedaanteverwisselaars in actie te vangen, waarbij exact wordt gemeten hoe ze veranderen om het puzzelstukje van ons bestaan op te lossen.
De Missie van het Papier: Een Bayesiaans Detectiveverhaal
Dit papier presenteert geen nieuwe data van het DUNE-experiment zelf, omdat het experiment nog niet klaar is met het verzamelen van zijn echte, wereldse aanwijzingen. In plaats daarvan fungeert het als een meesterdetective die een krachtig nieuw hulpmiddel gebruikt om te simuleren wat er zal gebeuren wanneer de echte data arriveert. De auteurs gebruikten een statistische methode genaamd Bayesiaanse inferentie (specifiek een Markov Chain Monte Carlo, of MCMC-benadering) om de "gevoeligheid" van DUNE in kaart te brengen. Zie dit als het draaien van een miljoen virtuele simulaties van het experiment om te zien hoe goed het in staat zal zijn het mysterie op te lossen onder verschillende scenario's.
De belangrijkste bevinding van het papier is dat deze Bayesiaanse benadering ongelooflijk krachtig is voor het ontwarren van het complexe web van relaties tussen neutrino-eigenschappen. In het verleden keken wetenschappers vaak naar één variabele tegelijk, zoals het proberen op te lossen van een puzzel door naar slechts één stukje te kijken. Dit papier laat zien dat door naar het hele plaatje tegelijk te kijken, zij kunnen zien hoe de stukjes in elkaar passen. Ze vonden bijvoorbeeld een sterke "dans" tussen twee specifieke menghoeken, sin2θ23 en sin2θ13. Wanneer je probeert één van de twee te meten, probeert de andere zich te verschuilen, wat een verwarrende waas creëert. De Bayesiaanse methode stelt hen in staat om de volledige, vierdimensionale vorm van deze waas te zien, waardoor ze precies zien waar de ware waarden waarschijnlijk schuilgaan.
Een van de meest opwindende ontdekkingen in het papier is hoeveel het experiment verbetert wanneer het hulp krijgt van externe bronnen. De auteurs simuleerden wat er gebeurt als DUNE zijn eigen data combineert met nauwkeurige metingen van θ13 uit reactor-experimenten (kort-basis experimenten die fungeren als een "referentie" voor één deel van de puzzel). Ze ontdekten dat het toevoegen van deze externe beperking een game-changer is. Zonder deze hulp worstelt DUNE om te bepalen of een specifieke hoek in zijn "bovenste" of "onderste" bereik zit (bekend als de octant). Maar met de reactor-data laat de simulatie zien dat DUNE de foutieve antwoord met hoge betrouwbaarheid kan verwerpen, waarbij het de onjuiste octant potentieel uitsluit op een significantieniveau van 3σ (een zeer sterk statistisch signaal) met een grote hoeveelheid data (1000 kt-MW-jr).
Het papier introduceert ook een gloednieuwe manier om naar de data te kijken: de Jarlskog-invariant (J). Terwijl eerdere studies zich concentreerden op de individuele hoeken, is J een enkel getal dat ze allemaal combineert om de totale mate van "CP-schending" (de materie-antimaterie asymmetrie) te meten op een manier die niet afhankelijk is van hoe je de hoeken labelt. De auteurs simuleerden het vermogen van DUNE om dit te meten en vonden dat zelfs met een matige hoeveelheid data (200 kt-MW-jr), het experiment waarschijnlijk in staat zou zijn om het idee dat CP behouden blijft (waar J=0) uit te sluiten op het 3σ-niveau als de ware waarde van de fase −π/4 is. Dit betekent dat DUNE kan bewijzen dat neutrino's inderdaad de reden zijn dat het universum uit materie bestaat, in plaats van alleen antimaterie.
De auteurs merken zorgvuldig op dat dit resultaten uit simulaties zijn, en geen definitieve metingen. Ze gebruikten "Asimov-datasets", die perfecte, geïdealiseerde versies zijn van de data die het experiment hoopt te verzamelen, om hun methoden te testen. Ze sluiten expliciet de mogelijkheid uit dat ze het mysterie al hebben opgelost; eerder hebben ze een robuuste, flexibele kaart gebouwd die precies laat zien hoe DUNE het zal oplossen zodra de echte data begint te stromen. Ze hebben ook aangetoond dat hun methode flexibel genoeg is om gemakkelijk later nieuwe beperkingen toe te voegen, wat het een superieur instrument maakt voor de lange weg die nog voor hen ligt. Kortom, dit papier is een bewijs van concept dat een nieuwe, meer holistische manier van denken over de data, DUNE in staat zal stellen om de geheimen van het neutrino met ongekende helderheid te zien.
Technische Samenvatting: Een Bayesiaanse Benadering van de Long-Baseline Neutrino-oscillatiesensitiviteit van DUNE
Probleemstelling
Het Deep Underground Neutrino Experiment (DUNE) beoogt een uitgebreide studie van neutrino-menging uit te voeren, waarbij specifiek wordt gericht op de bepaling van de neutrino-massavolgorde, de meting van lading-pariteit-schending (CPV) en precisie-metingen van oscillatieparameters (δCP, θ13, θ23, Δm322). Hoewel eerdere DUNE-sensitiviteitsstudies klassieke frequentistische methoden gebruikten, kunnen deze benaderingen moeite hebben met de complexiteit van hoogdimensionale parameterruimten, met name wat betreft parametercorrelaties en degeneraties (bijv. tussen de θ23-octant en θ13). Bovendien is het afleiden van sensitiviteit voor afgeleide, niet-lineaire grootheden zoals de Jarlskog-invariant (J) — een parametrisatie-onafhankelijke maat voor CP-schending — computationeel moeilijk binnen het frequentistische kader. Dit artikel adresseert de behoefte aan een flexibel statistisch kader om de DUNE-sensitiviteit te evalueren, multidimensionale correlaties te verkennen en de impact van externe beperkingen op posteriore verdelingen te beoordelen.
Methodologie
De auteurs maken gebruik van een Bayesiaanse statistische behandeling met behulp van Markov Chain Monte Carlo (MCMC)-sampling, specifelijk het Metropolis–Rosenbluth–Rosenbluth–Teller–Teller (MR2T2) algoritme, om posteriore waarschijnlijkheidsverdelingen voor oscillatieparameters te extraheren.
- Efficiënte Sampling: Om de computationele kosten van het samplen van complexe, hoogdimensionale ruimten aan te pakken, gebruiken de auteurs het Adaptive Metropolis (AM) algoritme. Deze methode werkt iteratief de voorstel-covariantie matrix bij op basis van de stappen genomen in de keten. Om de efficiëntie verder te optimaliseren, wordt de tuning-fase uitgevoerd op een met 5% gedownsamplede subset van Monte Carlo (MC) gebeurtenissen, die wordt opgewogen om overeen te komen met de voorspelde dataraat, voordat er wordt teruggekeerd naar de volledige steekproef voor de definitieve fit. Dit vermindert de computationele kosten met ongeveer 15x voor tuning en 50x voor sampling vergeleken met handmatige covariantie-tuning.
- Prior Reweighting: Het kader maakt het mogelijk om post-hoc externe beperkingen (zoals reactor-metingen van θ13) te incorporeren zonder de MCMC-ketens opnieuw te draaien. Dit wordt bereikt door bestaande samples te herwegen door de ratio van de nieuwe prior tot de oude prior.
- Analyse-framework: De studie gebruikt het MaCh3-framework om de neutrinoflux (G4LBNF), neutrino-interacties (GENIE v2.12.10) en detectorresponsen te modelleren. Systematische onzekerheden (flux, doorsnede, detector) worden geïmplementeerd via gebinde responsfuncties en covariantie-matrices. De analyse maakt gebruik van Asimov-datasets gegenereerd op basis van nominale MC-voorspellingen gebaseerd op twee verschillende ware parameter-sets: de NuFIT 6.0 globale fit (Normale Volgorde, lagere θ23 octant) en de T2K-NOvA gezamenlijke analyse best-fit (Inverted Ordering, hogere θ23 octant).
- Exposures: Sensitiviteit wordt geëvalueerd voor twee exposure-benchmarks: 200 kt-MW-yr (vertegenwoordigend 2 detector modules en een 1.2 MW beam) en 1000 kt-MW-yr (lange termijn bereik).
Belangrijkste Bijdragen
- Vierdimensionale Posterieure Verdelingen: Het artikel presenteert de eerste uitgebreide 4D posteriore waarschijnlijkheidsverdelingen voor DUNE, waarbij de volledige correlatiestructuur tussen sin2θ23, sin2θ13, Δm322 en δCP wordt gevisualiseerd. Dit benadrukt hoe marginalisatie-effecten in lagerdimensionale projecties de ware parameterwaarden kunnen maskeren.
- Kwantificering van de θ23 Octant Sensitiviteit: De studie kwantificeert de sensitiviteit voor de θ23 octant met behulp van Bayes-factoren. Het demonstreert dat het toepassen van een externe Gaussische beperking op sin2θ13 (afgeleid van reactor-experimenten) de posteriore waarschijnlijkheid van de "verkeerde" octant aanzienlijk onderdrukt, met name voor de T2K-NOvA best-fit scenario.
- Eerste Studie naar de Jarlskog-invariant Sensitiviteit: Het artikel presenteert de eerste sensitiviteitsstudie van DUNE naar de Jarlskog-invariant (J). Door J te evalueren bij elke MCMC-stap, leiden de auteurs posteriore verdelingen af voor deze parametrisatie-onafhankelijke maat voor CP-schending zonder de onderliggende fit te wijzigen.
Resultaten
- Parametercorrelaties: Bij een 200 kt-MW-yr exposure bestaan er sterke anti-correlaties tussen sin2θ23 en sin2θ13, en voorkomen degeneraties een definitieve voorkeur voor de θ23 octant. Het Highest Posterior Density (HPD) punt in 1D-projecties voor sin2θ13 komt niet overeen met de ware waarde vanwege deze marginalisatie-effecten, een discrepantie die pas wordt opgelost bij het bekijken van de volledige 2D posteriore verdeling.
- Impact van Exposure: Het verhogen van de exposure naar 1000 kt-MW-yr heft degeneraties in de 4D parameterruimte aanzienlijk op. De correlatie tussen δCP en andere parameters neemt af, en de voorkeur voor de ware octant wordt sterker, waardoor de HPD van de 1D sin2θ13 posteriore verdeling overeenkomt met de ware waarde.
- Octant Sensitiviteit met Beperkingen: Zonder externe beperkingen is de Bayes-factor voor de correcte octant laag bij een 200 kt-MW-yr exposure. Echter, het toepassen van de reactor θ13 beperking verhoogt de Bayes-factor aanzienlijk. Voor het T2K-NOvA best-fit scenario resulteert dit in een verwerping van de verkeerde octant met een significante waarde van >3σ bij een 1000 kt-MW-yr exposure.
- Jarlskog-invariant (J): Voor een ware δCP=−π/4, vindt de studie dat de regio van CP-conservering (J=0) net buiten de 3σ geloofwaardigheidsinterval ligt bij 200 kt-MW-yr. Bij 1000 kt-MW-yr wordt de posteriore breedte aanzienlijk smaller, en wordt de verdeling ongevoelig voor de keuze van de prior (uniform in δCP versus sinδCP). De analyse onthult dat DUNE primair de gecombineerde CP-schendende amplitude beperkt in plaats van individuele menghoeken in isolatie.
Significantie
Het artikel beweert dat het Bayesiaanse kader een robuust en flexibel hulpmiddel biedt voor het karakteriseren van de volledige parameterruimte van neutrino-oscillaties, met name bij het afhandelen van complexe correlaties en degeneraties die moeilijk te visualiseren of te kwantificeren zijn met frequentistische methoden. Het vermogen om gemakkelijk externe beperkingen te incorporeren en posteriore verdelingen af te leiden voor niet-lineaire, afgeleide grootheden zoals de Jarlskog-invariant, vertegenwoordigt een significante methodologische vooruitgang voor de DUNE-collaboratie. De resultaten onderstrepen de cruciale rol van externe θ13 beperkingen bij het oplossen van de θ23 octant-ambiguïteit en demonstreren het potentieel van DUNE om een parametrisatie-onafhankelijke maat voor CP-schending in het leptonensector te leveren.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.
Ontvang wekelijks de beste high-energy experiments papers.
Vertrouwd door onderzoekers van Stanford, Cambridge en de Franse Academie van Wetenschappen.
Check je inbox om je aanmelding te bevestigen.
Er ging iets mis. Opnieuw proberen?
Geen spam, altijd opzegbaar.