Two Flavon Froggatt-Nielsen Models with Genetic Algorithms

Resumo Técnico: Dois Modelos de Froggatt-Nielsen com Algoritmos Genéticos

Enunciado do Problema
A origem das hierarquias de massa dos férmions e dos ângulos de mistura permanece um problema central em aberto na física de partículas. O mecanismo de Froggatt-Nielsen (FN) aborda isso introduzindo uma simetria de sabor $U(1)_{FN}$ e campos escalares flavon, onde as hierarquias surgem da supressão de operadores de dimensão superior por potências da razão entre o valor de expectativa do vácuo (vev) do flavon e a escala de corte UV. Embora amplamente estudado, a exploração sistemática do espaço do modelo FN é computacionalmente desafiadora devido à sua natureza mista, discreta-contínua e de alta dimensão. Especificamente, encontrar atribuições de cargas inteiras para os campos do Modelo Padrão que simultaneamente reproduzam todas as massas de quarks e léptons, ângulos de mistura CKM e PMNS e fases de violação de CP é um problema combinatório não linear. Tentativas anteriores usando Aprendizado por Reforço (RL) foram restritas a cenários de um único flavon, empregaram restrições frouxas e exigiram fases de treinamento computacionalmente caras. Além disso, modelos de um único flavon carecem de uma fonte natural de violação de CP, pois as fases induzidas pelo flavon podem tipicamente ser removidas via redefinições de campo.

Metodologia
Este trabalho apresenta um escaneamento sistemático de um arcabouço FN de dois flavons onde campos flavon distintos, $\Phi_u$ e $\Phi_d$, acoplam-se exclusivamente aos setores de tipo up e tipo down, respectivamente. Os autores empregam o Algoritmo Genético de Ordenação Não Dominada III (NSGA-III), uma técnica de otimização multiobjetivo, para navegar no espaço de parâmetros.

• Configuração do Modelo: O Lagrangiano inclui acoplamentos de flavon separados para quarks do tipo up, quarks do tipo down, léptons carregados e neutrinos (via um mecanismo de see-saw de Tipo-I). A fase relativa $\alpha$ entre os vevs $\langle \Phi_u \rangle$ e $\langle \Phi_d \rangle$ é mantida como um parâmetro físico, fornecendo uma fonte genérica de violação de CP ausente em modelos de um único flavon.
• Estratégia de Otimização: Em vez de agregar restrições em um único escalar de perda (o que corre o risco de mínimos locais e problemas de escala), os autores formulam a busca como um problema multiobjetivo com 17 objetivos distintos. Estes incluem:
  • Ângulos de mistura CKM e PMNS e fases de CP (dentro de $3\sigma$ dos dados de NuFit e PDG).
  • Diferenças de massa ao quadrado de neutrinos (dentro de $3\sigma$).
  • Massas de férmions carregados (dentro de 20% dos valores centrais).
  • Uma restrição que impõe expoentes de flavon não negativos.
• Implementação do Algoritmo: O NSGA-III mantém a diversidade da população usando direções de referência no espaço objetivo, permitindo que o algoritmo explore a fronteira de Pareto de soluções onde as restrições são satisfeitas simultaneamente. O espaço de busca inclui 18 cargas FN discretas, 45 coeficientes de Wilson contínuos (restritos à ordem da unidade) e parâmetros de vev do flavon. O algoritmo não requer uma fase de treinamento separada, iniciando a busca por modelos viáveis imediatamente.
• Parâmetros de Escaneamento: O escaneamento explora dois regimes: "Up Leading" ($|\epsilon_u| > |\epsilon_d|$) e "Down Leading" ($|\epsilon_d| > |\epsilon_u|$), com magnitudes de vev restritas para garantir uma supressão FN genuína em vez de texturas democráticas.

Contribuições Principais e Resultados

1. Descoberta de Modelos Viáveis: O escaneamento identificou mais de 100.000 modelos únicos fenomenologicamente viáveis. A taxa de duplicação extremamente baixa (26 duplicatas em execuções independentes) indica que o espaço de realizações FN de dois flavons não foi exaurido.
2. Violação de CP: O estudo demonstra que a fase relativa entre os dois vevs de flavon fornece uma fonte natural e genérica de violação de CP, uma característica impossível em modelos de um único flavon sem ajuste fino (fine-tuning).
3. Ordenamento de Massa de Neutrinos: Soluções de Ordenamento Normal (NO) e Ordenamento Invertido (IO) foram realizadas.
   • Modelos NO: Popularam o plano $(m_{\text{lightest}}, m_{ee})$ consistentemente com os limites de NuFit.
   • Modelos IO: Encontrados principalmente no cenário "Down Leading", resultando em massas de decaimento duplo beta sem neutrino efetivo ($m_{ee}$) maiores comparadas ao cenário "Up Leading".
4. Minimalidade: Os autores identificaram realizações FN "minimais" onde o expoente máximo do flavon não excede três, sugerindo que complementações UV simples são possíveis.
5. Reprodução de Massa: Sem otimização dedicada de parâmetros contínuos (ex: minimização de $\chi^2$), o arcabouço reproduziu com sucesso as massas de férmions carregados com desvios relativos tão pequenos quanto 6% (e geralmente abaixo de 10% em escaneamentos dedicados).
6. Eficiência: A abordagem baseada em GA encontrou milhares de modelos distintos satisfazendo todas as restrições em minutos, superando significativamente os métodos de RL anteriores que exigiam horas de treinamento e encontravam muito menos modelos.

Significância
O artigo afirma fornecer o primeiro escaneamento sistemático e abrangente de modelos FN de dois flavons. Sua significância reside em:

• Avanço Metodológico: Demonstrar que algoritmos genéticos multiobjetivo são superiores ao aprendizado por reforço para esta classe específica de construção de modelos BSM, oferecendo viabilidade imediata sem sobrecarga de treinamento e lidando melhor com espaços de parâmetros mistos e de alta dimensão.
• Insight Físico: Estabelecer que estender o arcabouço FN para dois flavons resolve naturalmente o problema da origem da violação de CP e permite uma rica variedade de resultados fenomenológicos, incluindo previsões distintas para $m_{ee}$ baseadas na hierarquia dos vevs dos flavons.
• Exploração do Espaço de Modelos: Ao encontrar mais de 100.000 modelos viáveis com baixa duplicação, o trabalho sugere que o espaço de parâmetros viável para modelos FN de dois flavons é vasto e amplamente inexplorado, fornecendo uma base robusta para futuros estudos fenomenológicos e ajustes de precisão.

Os autores observam que, embora o escaneamento atual use restrições amplas (ex: tolerância de massa de 20%), o arcabouço é capaz de aplicar restrições mais rigorosas, e trabalhos futuros poderiam envolver pós-processamento com ajustes de $\chi^2$ dedicados e corrida de grupo de renormalização para comparações de precisão com dados experimentais futuros.