KineticXGPU: A Tensorized Collision Operator for Dark-Sector Self-Scattering

Resumo Técnico: KineticXGPU: Um Operador de Colisão Tensorizado para Autoespalhamento de Setores Escuros

Enunciado do Problema
A natureza microscópica da matéria escura (DM) permanece desconhecida, com histórias de produção alternativas como o freeze-in ganhando tração devido à falta de sinais de detecção direta. Em cenários onde a DM é produzida via múltiplos canais em diferentes épocas (por exemplo, decaimentos térmicos precoces e decaimentos de condensados tardios), a distribuição de fase resultante pode ser não térmica e bimodal. Embora os autointerações possam relaxar essas distribuições em direção ao equilíbrio térmico local (LTE), a eficiência desse processo depende da taxa de espalhamento elástico $2 \to 2$.

Resolver a equação de Boltzmann completa (fBE) para rastrear a evolução dependente do momento dessas distribuições é numericamente exigente. O operador de colisão elástica acopla diferentes regiões do espaço de fase, exigindo uma soma sobre a grade de momento para cada bin. As ferramentas públicas existentes para a evolução da matéria escura (ex: DRAKE, BEST) frequentemente dependem de implementações baseadas em CPU ou aproximações de fluido (equações de Boltzmann acopladas, cBE) que assumem um formato térmico. As aproximações de fluido falham em capturar características não térmicas, enquanto os resolvedores baseados em CPU com resolução de momento enfrentam dificuldades com o custo computacional das integrais de alta dimensão exigidas pelo termo de colisão.

Metodologia
Os autores apresentam o KineticXGPU, uma implementação baseada em PyTorch de um operador de auto-colisão elástica $2 \to 2$ projetado para aceleração por GPU.

1. Discretização e Tensorização:

   • A equação de Boltzmann é resolvida para a distribuição de fase $f(t, p)$ em um universo em expansão. Os autores mudam para o momento comóvel $q = a(t)p$ para remover o termo de redshift de Hubble do lado esquerdo.
   • O espaço de momento é discretizado em uma grade logarítmica. O operador de colisão, que envolve uma integral quadridimensional sobre os momentos restrita pela conservação de energia-momento, é reduzido a uma soma sobre pontos da grade.
   • Crucialmente, o operador discretizado é reformulado como uma série de contrações de tensores. A estrutura de ganho-perda ($f_n f_m - f_i f_{\tilde{j}}$) é avaliada somando sobre índices de momento internos ($n, m$) para cada bin externo ($i$). Essa estrutura permite que as operações sejam altamente paralelizáveis, mapeando-se naturalmente em arquiteturas de GPU.

2. Implementação Numérica:

   • Integração: A evolução temporal utiliza o fator de escala $a$ (ou $u = \log a$) como a variável independente. A estratégia de integração é adaptativa:
     • Em tempos iniciais onde o autoespalhamento é negligenciável ($\Gamma_{2\to2} \ll H$), um método de Runge-Kutta de quarta ordem com passo fixo é usado com o termo de colisão definido como zero.
     • Assim que a taxa de espalhamento torna-se significativa ($\Gamma_{2\to2}/H > 10^{-2}$), o resolvedor muda para um método Heun adaptativo para lidar com a não linearidade do termo de colisão.
   • Conservação: Para garantir a conservação estrita do número de partículas e da energia (momentos de ordem zero e primeira), os autores implementam uma técnica de projeção. A contribuição elástica é projetada no subespaço com momentos nulos para corrigir erros numéricos decorrentes de intervalos de grade finitos, interpolação e quadratura.
   • Validação: O código é validado contra o avaliador semianalítico no framework BEST. As comparações mostram concordância nos valores do operador de colisão, com resíduos ocorrendo primariamente perto de características não térmicas, onde a sensibilidade da interpolação é mais alta.

3. Cenário Físico:
   O código é aplicado a um cenário de "dois canais de freeze-in" envolvendo uma partícula de DM escalar $\chi$.

   • Fonte 1: Decaimentos do portal de Higgs ($h \to \chi\chi$) ocorrendo cedo no banho térmico.
   • Fonte 2: Decaimento de um condensado escalar frio ($\Phi \to \chi\chi$) ocorrendo mais tarde, injetando uma população monoenergética com um momento distinto.
   • Interação: Uma interação de contato quártica ($\lambda \chi^4$) impulsiona o autoespalhamento elástico.

Principais Resultados

• Desempenho: A abordagem tensorizada demonstra uma vantagem computacional significativa. Benchmarks de tempo de execução mostram que a implementação em GPU (usando PyTorch) supera a implementação em CPU e o avaliador semianalítico BEST, particularmente conforme o número de bins de momento ($N_{grid}$) aumenta. O tempo de execução da GPU escala eficientemente devido à natureza paralela das contrações de tensores.
• Evolução de Distribuições Bimodais:
  • Na ausência de autointerações, a distribuição final de DM retém um formato bimodal claro, refletindo as duas épocas distintas de produção.
  • À medida que a força do autoacoplamento ($\lambda$) aumenta, o espalhamento elástico apaga progressivamente a separação entre os dois componentes de momento.
  • Para interações suficientemente fortes, a distribuição relaxa em direção a uma forma Maxwell–Boltzmann, consistente com o LTE.
• Comparação com Aproximações de Fluido: Os autores comparam a solução de fase completa (fBE) com um tratamento de fluido acoplado (cBE) que assume um formato térmico com temperatura e potencial químico dependentes do tempo.
  • No regime de interação fraca, a solução fBE permanece visivelmente não térmica, enquanto a cBE assume um formato térmico.
  • A aproximação de fluido falha em capturar a persistência das características não térmicas e a dinâmica de relaxação específica observada no tratamento cinético completo.

Significância e Alegações
O artigo afirma que o KineticXGPU fornece uma ferramenta robusta e publicamente disponível para estudar a evolução do setor escuro onde efeitos dependentes do momento são críticos. Sua principal significância reside em:

1. Viabilizar Estudos Cinéticos: Permite o estudo de processos de relaxação em cenários onde a hierarquia de taxas não garante o LTE, especificamente quando múltiplos canais de produção criam distribuições não térmicas.
2. Eficiência Computacional: Ao aproveitar a aceleração por GPU através de contrações de tensores, torna o cálculo da equação de Boltzmann completa com autoespalhamento elástico computacionalmente viável, superando os gargalos das abordagens anteriores baseadas em CPU.
3. Insight Físico: A aplicação ao cenário de duas fontes demonstra que as autointerações podem alterar significativamente o espectro de potência da matéria em pequenas escalas ao suavizar ou apagar características não térmicas, efeitos que seriam perdidos por aproximações de fluido.

Os autores concluem que, embora o código foque na distribuição não perturbada e no operador de auto-colisão, o framework computacional é geral e pode ser estendido para outros modelos de setor escuro ou cálculos de perturbação. O código está disponível no GitHub para facilitar a reprodutibilidade e o desenvolvimento futuro na área.