Numerical Study of MRW-Type Unintegrated Double Parton Distribution Functions from Non-Factorized DPDFs

Este artigo apresenta um estudo numérico de funções de distribuição de duplo partão não integradas do tipo MRW, construídas a partir de DPDFs colineares GS09 não fatorizadas, comparando o desempenho e as características de um KMRW duplamente modificado, de um MRW com ordenação dupla de virtualidade e de uma variante compatível com normalização para analisar sua dependência do momento transversal, propriedades de normalização e sensibilidade às correlações longitudinais.

O essencial

Imagine um próton não como uma bola de mármore sólida, mas como uma pista de dança movimentada e lotada, cheia de pequenos dançarinos energéticos chamados partons (quarks e glúons). Normalmente, quando dois prótons colidem entre si em um colisor de partículas, assumimos que apenas um par de dançarinos de cada lado se choca. Isso é chamado de "Espalhamento de Parton Único".

No entanto, em energias muito altas, é possível que dois pares separados de dançarinos colidam simultaneamente na mesma batida. Isso é o Espalhamento de Parton Duplo (DPS). Para entender essa dança caótica, os físicos precisam de um mapa que mostre não apenas onde os dançarinos estão, mas também quão rápido eles estão se movendo lateralmente (momento transversal) e como eles estão correlacionados entre si.

Este artigo é um estudo numérico da Colaboração CHROMA que cria e testa três maneiras diferentes de desenhar esse mapa. Aqui está a explicação em termos simples:

1. O Problema: A "Fórmula de Bolso" é Muito Simples

Por muito tempo, os físicos usaram uma "fórmula de bolso" para estimar essas colisões duplas. Era como assumir que a pista de dança está vazia e que os dançarinos são completamente independentes uns dos outros. Você apenas multiplica a probabilidade de um dançarino estar lá pela probabilidade de outro estar lá.

• O Defeito: Na realidade, os dançarinos estão lotados. Se um dançarino está em um local específico, isso altera as chances de onde outro dançarino pode estar. Além disso, a "fórmula de bolso" ignora quão rápido os dançarinos estão se movendo lateralmente. O artigo argumenta que precisamos de um mapa mais detalhado que leve em conta essas correlações e movimentos laterais.

2. Os Ingredientes: O Mapa "GS09"

Os autores começam com um mapa pré-existente e de alta qualidade do próton chamado GS09. Este mapa já conhece a "lotação" (correlações) dos dançarinos. No entanto, este mapa é "colinear", o que significa que ele apenas diz para onde os dançarinos estão se movendo para frente, não quanto eles estão se contorcendo lateralmente.

• A Tarefa: Eles precisavam pegar este mapa de movimento para frente e adicionar o "contorcionismo" (momento transversal) a ele, criando o que chamam de Funções de Distribuição de Partons Duplos Não Integradas (UDPDFs).

3. Os Três Métodos: Três Maneiras de Adicionar o Contorcionismo

O artigo testa três diferentes "receitas" (prescrições) para adicionar esse movimento lateral ao mapa. Pense nelas como três chefs diferentes tentando adicionar tempero a um ensopado:

• Receita A: O Chef "Ordenado por Virtualidade" (DVO-MRW)

  • Como funciona: Este chef adiciona tempero com base em uma regra estrita: "Quanto maior o contorcionismo, mais a receita muda". Ele olha para a história dos dançarinos para decidir quanto eles se contorcem.
  • O Problema: Este chef é um pouco bagunçado. Às vezes, após adicionar o tempero, a quantidade total de ensopado (a probabilidade total) não corresponde exatamente à receita original. Isso cria uma "incompatibilidade de normalização".
  • A Correção: Os autores criaram uma Versão Casada (MDVO-MRW). É o mesmo chef, mas eles adicionam uma etapa final de "degustação" para ajustar a quantidade de ensopado para que o volume total fique perfeito, sem alterar o perfil de sabor (a forma do contorcionismo).

• Receita B: O Chef "Núcleo Normalizado" (DMKMRW)

  • Como funciona: Este chef é muito preciso. Ele pega o mapa original e anexa um "adesivo de contorcionismo" perfeitamente medido e pré-fabricado a cada dançarino.
  • O Benefício: Como os adesivos são pré-medidos, a quantidade total de ensopado é garantida estar correta desde o início. Nenhuma ajuste bagunçado é necessário.
  • A Diferença: Ao contrário do primeiro chef, este não deixa o contorcionismo alterar o mapa subjacente dos dançarinos; ele apenas adiciona o contorcionismo por cima.

• Receita C: O Chef "Velha Guarda" (Direct LO-MRW)

  • Por que não foi usada: O artigo menciona um método mais antigo que requer cortar o mapa em pedaços (como um quebra-cabeça) para lidar com diferentes velocidades. Os autores acharam isso muito complicado e desajeitado para suas necessidades, então se mantiveram nas duas receitas mais novas e limpas acima.

4. As Descobertas: O Que os Mapas Mostraram

Os autores realizaram simulações para ver como essas três receitas se comparavam. Aqui está o que eles descobriram:

• O "Contorcionismo" Importa: A maneira como você adiciona o movimento lateral muda significativamente a imagem final, especialmente quando os dançarinos estão se movendo rápido ou estão perto da borda da pista de dança (alta energia).
• Correlações são Reais: A "lotação" da pista de dança importa.
  • Se você procurar dois dançarinos do mesmo tipo (por exemplo, dois quarks "up"), o mapa mostra que é menos provável encontrá-los juntos do que a simples "fórmula de bolso" prevê. É como duas pessoas do mesmo tamanho tentando se espremer em um canto pequeno; elas se empurram para longe.
  • Se você procurar um par de opostos (por exemplo, um quark e um antiquark), é mais provável encontrá-los juntos. É como um par de ímãs grudando.
• A Escolha da Receita Muda o Resultado:
  • A receita de Núcleo Normalizado (DMKMRW) mantém o "contorcionismo" separado da "lotação". O movimento lateral parece o mesmo independentemente de onde os dançarinos estão.
  • A receita Ordenada por Virtualidade (DVO-MRW) mistura-os juntos. O "contorcionismo" muda dependendo de quão lotada é a área.
  • Crucialmente: Mesmo após corrigir o problema de volume do "chef bagunçado" (a versão Casada), as duas receitas ainda produziram formas diferentes para o movimento lateral. Isso significa que a escolha da receita é uma grande fonte de incerteza na previsão dessas colisões.

5. A Conclusão

O artigo conclui que, para prever com precisão o que acontece quando prótons colidem em altas energias, não podemos usar a simples "fórmula de bolso". Devemos usar esses mapas detalhados que levam em conta como os partons estão correlacionados.

No entanto, há um problema: Qual receita você usa para adicionar o movimento lateral importa. Os métodos "Núcleo Normalizado" e "Ordenado por Virtualidade" dão resultados diferentes, especialmente para colisões de alta velocidade. Os autores sugerem que experimentos futuros precisam ter cuidado sobre qual "receita" matemática usam, pois isso pode alterar a resposta final.

Em resumo: Eles construíram um mapa melhor e mais detalhado do interior do próton, testaram três maneiras diferentes de desenhar o "movimento lateral" nesse mapa e descobriram que a escolha do método de desenho altera significativamente a imagem, especialmente nas partes mais energéticas da colisão.

Resumo técnico

Resumo Técnico: Estudo Numérico de Funções de Distribuição de Duplo Partão Não Integradas do Tipo MRW a partir de DPDFs Não Fatorizadas

Enunciado do Problema
A dispersão de duplo partão (DPS) é uma sonda crítica das correlações multi-partão dentro dos hádrons. Embora a abordagem fenomenológica padrão dependa da "fórmula de bolso", que assume uma forma fatorizada para as funções de distribuição de duplo partão (DPDFs) e integra os momentos transversos, essa aproximação falha em satisfazer as equações de evolução DGLAP duplas e as regras de soma de momento e número associadas. Além disso, em altas energias, a radiação QCD do estado inicial gera momentos transversos significativos ($k_t$), tornando necessário o uso de funções de distribuição de duplo partão não integradas (UDPDFs) dentro do quadro de fatorização $k_t$.

Um desafio específico surge na construção de UDPDFs a partir de DPDFs colineares não fatorizadas. As prescrições convencionais de Ordem Principal (LO) MRW (Martin-Ryskin-Watt) exigem um tratamento por partes: os componentes homogêneo (evolução independente) e não homogêneo (divisão perturbativa) da DPDF devem ser tratados separadamente, particularmente na região onde os momentos transversos estão abaixo da escala de entrada ($k_t < \mu_0$). Essa separação é incômoda para aplicações fenomenológicas, especialmente ao utilizar entradas completas de DPDFs não fatorizadas, como o conjunto GS09, onde os componentes não são armazenados separadamente. Adicionalmente, modelos existentes frequentemente lutam com ambiguidades de normalização e a geração de caudas não físicas acima da escala dura.

Metodologia
Os autores apresentam um estudo numérico construindo UDPDFs diretamente a partir de DPDFs colineares não fatorizadas usando três prescrições inspiradas em MRW que evitam a separação por partes dos termos homogêneos e não homogêneos:

1. Entrada e Evolução: O estudo utiliza as DPDFs GS09 como entrada, evoluídas para escalas desiguais ($\mu_1 \neq \mu_2$) usando um quadro numérico personalizado de evolução DGLAP dupla chamado ChromaPDFEvolver. Este quadro resolve as equações DGLAP duplas (incluindo o termo de "alimentação" inhomogêneo) no espaço-$x$ usando uma grade na variável $u = \ln(x/(1-x))$ e um algoritmo Runge-Kutta-Fehlberg. A evolução de escala desigual é validada contra a regra de soma de momento.
2. Prescrição 1: MRW com Ordenação de Dupla Virtualidade (DVO-MRW): Este modelo aplica uma evolução do último passo ordenada por virtualidade à DPDF colinear completa. A escala de virtualidade $K^2 = k_t^2/(1-z)$ é usada para o fator de forma de Sudakov e o acoplamento, garantindo que a distribuição seja zero além da região de virtualidade cinematicamente permitida. Gera dependência de momento transverso dinamicamente sem exigir uma extrapolação separada para baixo-$k_t$.
3. Prescrição 2: DVO-MRW com Normalização Correspondida (MDVO-MRW): Para abordar desvios de normalização inerentes ao modelo DVO-MRW, um fator de correspondência multiplicativo é introduzido. Isso preserva a forma de momento transverso ordenada por virtualidade enquanto força a integral sobre $k_t$ a reproduzir exatamente a DPDF colinear de entrada.
4. Prescrição 3: KMRW Duplamente Modificado (DMKMRW): Baseado na abordagem KMRW Modificada (MKMRW), este modelo atribui kernels transversos normalizados a cada perna de partão externa. A dependência transversa é fatorizada da DPDF colinear, e o modelo é construído para ser exatamente preservador de normalização por design.

O estudo compara esses modelos através de vários canais partônicos ($gg, ug, uu, u\bar{u}$) e analisa a razão entre distribuições não fatorizadas e fatorizadas para isolar o impacto das correlações longitudinais.

Resultados Chave

• Validação: O ChromaPDFEvolver preserva com sucesso a regra de soma de momento para DPDFs de escala desigual com alta precisão numérica, confirmando a validade da entrada para a construção de UDPDFs.
• Normalização: O modelo DMKMRW é inerentemente preservador de normalização. O modelo DVO-MRW exibe desvios de normalização não triviais, particularmente no canal glúon-glúon, que são corrigidos com sucesso na variante MDVO-MRW.
• Dependência de Momento Transverso:
  • No modelo DMKMRW, a razão entre distribuições não fatorizadas e fatorizadas é independente de $k_t$. Os efeitos não fatorizados manifestam-se puramente como um fator de correlação longitudinal ($D_{ij}/f_i f_j$) que modifica a normalização e a dependência de sabor, mas não a forma de $k_t$.
  • Nos modelos DVO-MRW/MDVO-MRW, os efeitos não fatorizados estão acoplados ao momento transverso. À medida que $k_t$ aumenta, a restrição de ordenação de virtualidade restringe a região de integração, amostrando a DPDF mais próxima do limite cinemático ($x_1+x_2=1$). Isso leva a uma supressão dependente de $k_t$ das distribuições não fatorizadas em $x$ grande e $k_t$ grande.
• Dependência de Canal:
  • O canal $uu$ mostra forte supressão nas distribuições não fatorizadas em relação à aproximação fatorizada, impulsionado pelas regras de soma de número de valência (encontrar um segundo quark de valência é restrito).
  • O canal $u\bar{u}$ pode mostrar realce, refletindo correlações quark-antiquark presentes nas DPDFs GS09 de entrada.
• Comparação de Modelos: Mesmo quando ambos os modelos são correspondidos em normalização (DMKMRW vs. MDVO-MRW), eles produzem formas de momento transverso diferentes. A distribuição MDVO-MRW é suprimida em grande $k_t$ devido à restrição de ordenação de virtualidade ($K^2 < \mu^2$), enquanto a distribuição DMKMRW mantém uma cauda determinada pelo kernel normalizado.

Significado e Alegações
O artigo alega que a construção de UDPDFs a partir de DPDFs não fatorizadas é essencial para uma descrição consistente de DPS via fatorização $k_t$. Os autores demonstram que:

1. Correlações não fatorizadas não são universais: Elas não podem ser representadas por um simples fator multiplicativo independente da cinemática; dependem do sabor, das frações de momento longitudinal e da prescrição específica usada para gerar momentos transversos.
2. A dependência da prescrição é uma fonte de incerteza: A escolha entre uma abordagem de kernel normalizado (DMKMRW) e uma abordagem de convolução ordenada por virtualidade (DVO/MDVO-MRW) leva a diferenças significativas nas formas de $k_t$ previstas, particularmente em grandes momentos transversos e perto do limite cinemático.
3. Utilidade prática: As prescrições propostas (especificamente MDVO-MRW e DMKMRW) fornecem modelos compactos de expressão única que podem ser aplicados diretamente a DPDFs não fatorizadas completas, evitando os tratamentos por partes incômodos das construções convencionais LO-MRW.

Os autores concluem que, embora aproximações fatorizadas possam ser suficientes para pequeno $x$ e $k_t$ moderado, o uso de UDPDFs não fatorizadas é crítico para processos sensíveis a grande $x$, grande $k_t$ ou correlações específicas de valência/quark-antiquark. Eles observam que uma avaliação completa do impacto fenomenológico requer a implementação dessas distribuições em cálculos de DPS no nível do processo, o que é deixado para trabalhos futuros.