Optimizing Yukawa couplings to suppress Dimension-five Proton Decay in $SU(5)$ GUT

Este artigo emprega técnicas de otimização de aprendizado de máquina, especificamente o otimizador Adam, para navegar no complexo espaço de parâmetros de 33 dimensões de uma GUT supersimétrica $SU(5)$ estendida com representações de Higgs $\mathbf{45}$ e $\overline{\mathbf{45}}$, identificando com sucesso configurações de acoplamento de Yukawa que suprimem o decaimento do próton de dimensão cinco para satisfazer os limites experimentais do Super-Kamiokande.

O essencial

Imagine que o universo é construído sobre um conjunto de plantas chamadas Modelo Padrão. Os físicos adoram essas plantas, mas sentem que são um rascunho. Eles desejam uma "Teoria da Grande Unificação" (GUT) — um plano mestre único e elegante que explique como todas as forças da natureza se encaixam. Um dos planos mestres mais populares é chamado de SU(5).

No entanto, há um enorme problema com essa planta específica. Segundo a matemática, ela prevê que os prótons (os blocos de construção estáveis dentro de cada átomo) deveriam se desintegrar incrivelmente rápido. Se isso fosse verdade, toda a matéria no universo teria se desintegrado há bilhões de anos. Mas estamos aqui, e os prótons ainda se mantêm firmes.

Este artigo trata de tentar consertar essa planta quebrada sem descartar tudo.

O Problema: O "Telhado Vazado"

Pense no próton como uma casa. No modelo SU(5) padrão, há um "vazamento" no telhado causado por um tipo específico de troca de partículas (higgsinos coloridos). Esse vazamento permite que a casa desabe (decaimento do próton) muito rápido demais.

Cientistas experimentais (como os do detector Super-Kamiokande no Japão) construíram um enorme tanque de água subterrâneo para capturar quaisquer prótons que caiam. Eles estabeleceram uma regra: Se um próton se desintegrar, deve levar pelo menos 59 trilhões de trilhões de anos. A planta SU(5) atual prevê que isso aconteça muito mais rápido do que isso.

A Solução Proposta: Adicionar Mais Tijolos

Para parar o vazamento, os autores sugerem adicionar "tijolos" extras à planta. Especificamente, eles adicionam novos tipos de campos de Higgs (representações matemáticas chamadas 45 e 45).

Mas aqui está a pegadinha: adicionar esses novos tijolos introduz uma quantidade massiva de liberdade. É como tentar sintonizar um rádio com 33 botões diferentes em vez de apenas um. Você pode girar os botões (ajustando números chamados "acoplamentos de Yukawa") para tentar parar o vazamento.

O problema é que há tantos botões (33 dimensões) que tentar cada combinação possível manualmente é impossível. É como tentar encontrar uma agulha específica em um palheiro do tamanho de uma galáxia. Isso é o que os cientistas chamam de "maldição da dimensionalidade".

A Solução: O "Sintonizador" de Aprendizado de Máquina

Em vez de tentar cada combinação manualmente, os autores usaram Aprendizado de Máquina (especificamente um algoritmo chamado Adam).

Pense nos 33 botões como um labirinto gigante e complexo.

1. O Objetivo: Encontrar o ponto exato no labirinto onde o "vazamento" (decaimento do próton) é menor.
2. O Método: O computador começa com milhares de posições aleatórias no labirinto. Ele calcula o quão "vazada" a casa está em cada ponto.
3. A Otimização: O computador age como um caminhante inteligente. Se um ponto estiver muito vazado, ele sabe que deve se afastar dele. Se um ponto estiver seco, ele se aproxima. Ele faz isso milhares de vezes, aprendendo a forma do terreno, até encontrar os "vales secos" onde o próton está seguro.

O Que Eles Encontraram

Os autores executaram essa simulação de "caminhante inteligente" para diferentes configurações de uma variável chamada tan β (que você pode pensar como a "inclinação" da gravidade do universo).

• A Boa Notícia: O computador encontrou com sucesso combinações específicas dos 33 botões que tornaram o próton estável o suficiente para sobreviver além do limite experimental. Provou que o modelo SU(5) pode funcionar, mas apenas se os botões estiverem definidos para valores muito específicos e não aleatórios.
• A Má Notícia: Os "pontos ideais" são muito difíceis de encontrar. Eles não estão espalhados aleatoriamente; estão agrupados em ilhas minúsculas e específicas.
• O Problema da Inclinação: Os autores descobriram que, à medida que aumentavam a "inclinação" (tan β), tornava-se muito mais difícil manter o próton seguro. Em inclinações altas, o "vazamento" fica maior, e o computador teve que trabalhar muito mais para encontrar uma configuração que o parasse. Na verdade, para a inclinação mais alta que eles testaram, o próton tinha muito mais probabilidade de decair, tornando o modelo menos provável de estar correto.

A Conclusão

Este artigo não prova que o modelo SU(5) é definitivamente correto. Em vez disso, prova que é possível fazer o modelo funcionar, mas apenas se as configurações internas do universo forem sintonizadas com extrema precisão.

Eles usaram um computador para navegar por um labirinto de 33 dimensões e encontraram a saída, mas a saída é uma porta muito estreita. Se as configurações do universo (especificamente a "inclinação" ou tan β) estiverem mesmo ligeiramente erradas, a porta se fecha e o modelo falha.

Em resumo: Os autores usaram um "sintonizador inteligente" digital para consertar uma planta cósmica quebrada, mostrando que, embora uma solução exista, ela requer um arranjo muito específico e delicado dos números fundamentais do universo.

Resumo técnico

Resumo Técnico: Otimização dos Acoplamentos de Yukawa para Suprimir o Decaimento do Próton de Dimensão Cinco na GUT SU(5)

Declaração do Problema
A Teoria Unificada Grande (GUT) supersimétrica (SUSY) mínima $SU(5)$ enfrenta um obstáculo fenomenológico crítico: o decaimento rápido do próton mediado por operadores de dimensão cinco que surgem da troca de higgsinos coloridos. Limites experimentais, especificamente o limite do Super-Kamiokande de $\tau(p \to K^+ \bar{\nu}) > 5.9 \times 10^{33}$ anos, restringem severamente a viabilidade do modelo. Embora estender o setor de Higgs com representações de dimensões superiores (especificamente 45 e $\overline{45}$) e incorporar interações não renormalizáveis possa teoricamente resolver esse problema, essas extensões introduzem um vasto espaço de parâmetros de alta dimensão. Esse espaço, abrangido por numerosos ângulos de mistura, fases de CP e escalas de massa, torna varreduras numéricas tradicionais de força bruta computacionalmente intratáveis devido à "maldição da dimensionalidade".

Metodologia
Para abordar esse desafio computacional, os autores empregam técnicas de otimização de aprendizado de máquina, especificamente o otimizador Adam, para navegar no espaço de parâmetros de um modelo SUSY $SU(5)$ modificado. O estudo foca em um modelo contendo três gerações de campos de matéria ($5 + 10$), campos de Higgs de quebra eletrofraca ($5 + \overline{5} + 45 + \overline{45}$) e um campo de quebra de GUT ($24$).

A metodologia envolve as seguintes etapas:

1. Formulação do Modelo: Os autores derivam as matrizes de acoplamento de Yukawa na escala de GUT ($Y_5, Y_{\overline{5}}, Y_{45}, Y_{\overline{45}}$) ao ajustá-las às massas de férmions e ângulos de mistura observados do MSSM (matriz CKM) na escala de GUT ($\sim 2 \times 10^{16}$ GeV). Isso envolve o ajuste fino das matrizes de massa dos dupletos e tripletos de Higgs para garantir um termo $\mu$ leve, mantendo tripletos de Higgs coloridos pesados.
2. Cálculo da Taxa de Decaimento: A largura de decaimento parcial para $p \to K^+ \bar{\nu}$ é calculada integrando-se os campos de Higgs coloridos para obter operadores de dimensão cinco. Esses operadores são então evoluídos via equações do Grupo de Renormalização (RG) da escala de GUT até a escala hadrônica, incorporando massas de partículas SUSY (fixadas em 3 TeV para o espectro de referência) e elementos de matriz hadrônicos.
3. Configuração de Otimização: A busca por parâmetros viáveis é enquadrada como um problema de otimização. Uma função de perda é definida como a largura de decaimento parcial média em escala logarítmica do decaimento $p \to K^+ \bar{\nu}$.
4. Espaço de Parâmetros: A otimização varia 33 parâmetros:
   • 27 ângulos e fases parametrizando três matrizes unitárias não determinadas ($U_u, U_e, V_e$) que rotacionam a base de sabor.
   • 6 parâmetros do setor de potencial ($M, \lambda, \kappa, \kappa', \lambda_a, \lambda_b$) que governam os termos de massa e acoplamentos do Higgs.
   • O parâmetro $m$ é restringido pela condição $\det(M_{\text{dupleto}}) = 0$.
5. Execução: Usando TensorFlow, os autores inicializam $N=4096$ configurações aleatórias de parâmetros e as atualizam iterativamente ao longo de 100.000 épocas para minimizar a função de perda. Esse processo é repetido para quatro valores distintos de $\tan \beta$ (3, 10, 30 e 50).

Principais Resultados

• Eficácia da Otimização: O otimizador Adam navegou com sucesso no espaço de 33 dimensões, reduzindo rapidamente a função de perda. Os conjuntos de parâmetros otimizados deslocaram consistentemente a distribuição da vida média do próton para valores maiores em comparação com as configurações aleatórias iniciais.
• Localização de Parâmetros: A análise revelou que os parâmetros otimizados não se distribuem uniformemente. Em vez disso, ângulos de mistura específicos (particularmente aqueles nas matrizes unitárias $U_u$ e $U_e$) e acoplamentos de potencial (como $M$ e $\kappa$) exibem distribuições localizadas. Isso sugere que a supressão do decaimento do próton requer um alinhamento altamente específico e não trivial entre as matrizes de Yukawa e o setor de potencial na escala de GUT.
• Dependência de $\tan \beta$: Uma descoberta crítica é a forte sensibilidade da vida média do próton alcançável a $\tan \beta$.
  • Para valores mais baixos ($\tan \beta = 3, 10$), o otimizador identificou com sucesso regiões onde a vida média do próton excede o limite do Super-Kamiokande.
  • À medida que $\tan \beta$ aumenta (30 e 50), o aprimoramento das contribuições do setor de quarks do tipo down e léptons amplifica significativamente os operadores de decaimento de dimensão cinco. Consequentemente, a vida média do próton otimizada diminui, tornando cada vez mais difícil satisfazer o limite inferior experimental. No regime de alto $\tan \beta$, as cancelamentos necessários dentro do espaço de parâmetros tornam-se mais rigorosos e menos prováveis de serem alcançados.

Significado e Afirmações
O artigo afirma demonstrar que a otimização por aprendizado de máquina é uma ferramenta eficaz para lidar com problemas fenomenológicos na física além do Modelo Padrão (BSM) que sofrem da maldição da dimensionalidade. Ao explorar sistematicamente o espaço de parâmetros de um modelo SUSY $SU(5)$ estendido, os autores mostram que existem regiões viáveis onde o decaimento do próton de dimensão cinco é suprimido para níveis aceitáveis.

No entanto, os autores permanecem modestos quanto à universalidade dessas soluções. Eles enfatizam que, embora o algoritmo possa identificar alinhamentos específicos e não triviais que suprimam o decaimento, a viabilidade do modelo é altamente contingente ao valor de $\tan \beta$. O estudo conclui que, embora o framework seja flexível e poderoso, a supressão do decaimento mediado por tripletos-Higgsino em regimes de alto $\tan \beta$ impõe restrições severas à capacidade do modelo de atender aos limites experimentais. O trabalho serve como uma prova de conceito para a aplicação de algoritmos de otimização a espaços de parâmetros complexos de GUT, com aplicabilidade potencial a outros grupos de GUT como $SO(10)$.