Path-length dependence of parton energy loss across collision systems: a Bayesian analysis of charged-particle RAA, consistent with a universal exponent from O+O to Pb+Pb

Resumo Técnico: Dependência do Comprimento do Caminho da Perda de Energia de Partons entre Sistemas de Colisão

Enunciado do Problema
O mecanismo que governa a perda de energia de partons no plasma de quarks e glúons (QGP) está codificado em como a perda de energia média $\langle \Delta E \rangle$ escala com o comprimento do caminho no meio $L$. Estruturas teóricas preveem comportamentos de escala distintos: a perda de energia colisional escala linearmente ($\langle \Delta E \rangle \propto L$), a perda radiativa induzida pelo meio escala quadraticamente ($\langle \Delta E \rangle \propto L^2$) e modelos de acoplamento forte (holográficos) preveem escala cúbica ($\langle \Delta E \rangle \propto L^3$). Historicamente, extrair esse expoente de escala foi complicado pela análise de variações de centralidade dentro de um único sistema grande (ex: Pb+Pb), o que introduz vieses da seleção de centralidade e da normalização baseada em Glauber ($T_{AA}$) em eventos periféricos. A emergência de dados de colisões de íons leves no LHC (O+O, Ne+Ne) oferece uma alavanca complementar: variar o tamanho do sistema ($A$) em minimum bias para sondar comprimentos de caminho comparáveis às colisões de íons pesados periféricas, isolando assim a dependência do tamanho do sistema para a perda de energia.

Metodologia
Os autores realizam uma análise bayesiana dos fatores de modificação nuclear de partículas carregadas ($R_{AA}$) através de quatro sistemas de colisão: O+O, Ne+Ne, Xe+Xe e Pb+Pb, abrangendo números de massa $A=16$ a $208$.

1. Modelo de Frente (Forward Model): Um modelo paramétrico relaciona o fator de modificação nuclear $R_{AA}$ à perda de energia fracionária $\Delta p_T$. O modelo assume $\Delta p_T \propto \rho G^n$, onde $\rho$ é a densidade relativa do meio, $G$ é uma razão geométrica adimensional e $n$ é o expoente de tamanho do sistema a ser determinado. O índice espectral $a(p_T)$ é fixado usando medições baseadas em dados de colisões $pp$, com aplicação de escalonamento $x_T$ para diferentes energias de colisão.
2. Geometria: A geometria da colisão é computada usando duas implementações independentes de Glauber: um modelo Glauber óptico e um modelo Glauber de Monte Carlo customizado (amostrando posições de nucleons com exclusão de núcleo duro). Os principais proxies geométricos são $A^{1/3}$, $\langle N_{part} \rangle^{1/3}$ e o comprimento médio de saída $\langle L \rangle$.
3. Estrutura Estatística:
   • Verossimilhança (Likelihood): Uma verossimilhança gaussiana correlacionada é usada, incorporando uma matriz de covariância por bin. As incertezas sistemáticas são modeladas com um comprimento de correlação $\xi = 4$ bins para lidar com correlações parciais, evitando a super-restrição de sistemáticas totalmente correlacionadas.
   • Inferência: A distribuição posterior para os parâmetros ($\kappa$, $n$, $\beta$) é amostrada usando o amostrador de conjunto invariante afim (EMCEE).
   • Seleção de Modelo: A amostragem aninhada (DYNESTY) calcula a evidência bayesiana para comparar modelos com expoentes fixos ($n=1, 2, 3$).
   • Validação: O framework inclui um pilar de "inferência baseada em simulação" (SBI) usando um estimador de posterior neural de fluxo normalizante, validado via calibração de simulação baseada em simulação (SBC) e validação cruzada de exclusão de um sistema (LOSO). Um emulador de processo gaussiano também é treinado para prever sistemas excluídos.
4. Robustez: A análise é testada através de 160 variantes envolvendo diferentes proxies de geometria, comprimentos de covariância, bases espectrais e priors.

Resultos Principais

• Expoente Efetivo: A análise extrai um expoente efetivo de tamanho de sistema de $n = 1,78 \pm 0,15 \text{ (estat)} \pm 0,05 \text{ (sist)}$ para a geometria $\langle N_{part} \rangle^{1/3}$.
• Seleção de Modelo: A evidência bayesiana favorece decisivamente a escala radiativa ($n=2$) sobre as hipóteses colisional ($n=1$) e de acoplamento forte ($n=3$). As diferenças de log-evidência são $2\Delta \ln Z \approx -29$ (para $n=1$) e $-48$ (para $n=3$), ambas excedendo o limiar "decisivo".
• Limites Microscópicos: Ao analisar o mapeamento entre expoentes microscópicos e efetivos na presença de flutuações de perda de energia, os autores estabelecem que as flutuações podem apenas reduzir o expoente efetivo abaixo do microscópico. Consequentemente, a medição estabelece um limite inferior para o expoente microscópico ($n_{micro} \ge 1,78$), excluindo efetivamente a perda de energia puramente colisional ($n_{micro}=1$) em geometria fixa.
• Universalidade: Um teste de fator de Bayes não encontra evidência para uma mudança no regime de perda de energia entre sistemas pequenos (O+O, Ne+Ne) e grandes (Xe+Xe, Pb+Pb), apoiando um expoente universal através de toda a faixa.
• Supressão em O+O: O framework fornece evidência bayesiana decisiva ($2\Delta \ln Z \approx 110$) para perda de energia de partons não nula em O+O isoladamente, quantificando o surgimento da supressão no menor sistema.
• Coeficiente de Transporte: A magnitude da perda de energia extraída corresponde a um coeficiente de transporte de jato efetivo $\hat{q}/T^3 \approx 2\text{--}5$, consistente com determinações independentes do JETSCAPE.

Significância e Alegações
O artigo afirma fornecer a primeira extração estatisticamente calibrada, baseada no tamanho do sistema, do expoente de comprimento de caminho para a perda de energia de partons. Suas principais contribuições são:

1. Um Expoente Efetivo Robusto: Estabelece $n \approx 1,78$ como um observável robusto de nível geométrico que é independente de implementações específicas de transporte, servindo como um referencial para futuros cálculos de perda de energia de múltiplos estágios.
2. Exclusão de Mecanismos Colisionais: Através do limite de flutuação, demonstra que a perda de energia puramente colisional é incompatível com a tendência observada de tamanho de sistema, mesmo ao considerar as flutuações.
3. Rigor Metodológico: O trabalho introduz um framework bayesiano abrangente que propaga incertezas correlacionadas, valida a cobertura de intervalos via testes de fechamento e emprega inferência baseada em simulação para realizar o cruzamento de resultados, garantindo a defensibilidade estatística da extração.
4. Poder Preditivo: O framework gera previsões falsificáveis para futuras medições de íons leves (Ar+Ar e Kr+Kr), prevendo $R_{AA}(10 \text{ GeV}) \approx 0,55 \pm 0,03$ e $0,41 \pm 0,03$, respectivamente.

Limitações e Escopo
Os autores declaram explicitamente que o resultado é um expoente efetivo, não uma medição direta da dependência do comprimento de caminho microscópico. A análise é limitada pela degenerescência entre densidade do meio e comprimento de caminho em um escaneamento de tamanho de sistema minimum-bias (ambos escalam como $\langle N_{part} \rangle^{1/3}$), o que significa que o $n$ extraído combina ambos os efeitos. O artigo não pretende resolver o mecanismo microscópico (ex: distinguir entre BDMPS-Z e correções de opacidade finita) sem entradas adicionais, como dados diferenciais de centralidade ou medições de anisotropia azimutal ($v_2$). As conclusões estão estritamente limitadas aos quatro sistemas analisados e aos modelos de frente específicos empregados.