A Bayesian approach to the long-baseline neutrino oscillation sensitivity of DUNE
Este artigo aplica uma abordagem de Cadeia de Markov Monte Carlo Bayesiana para reavaliar a sensibilidade de oscilação de neutrinos de longa base de dados do DUNE utilizando entradas existentes, revelando uma sensibilidade de octante aprimorada através de restrições de reatores post-hoc e apresentando o primeiro estudo da sensibilidade do DUNE ao invariante de Jarlskog.
Autores originais: DUNE Collaboration, S. Abbaslu, F. Abd Alrahman, A. Abed Abud, R. Acciarri, M. A. Acero, M. R. Adames, G. Adamov, M. Adamowski, K. Adhikari, C. Adriano, K. Agudelo-Jaramillo, F. Akbar, F. Alemanno, N. S. Alex, L. Aliaga Soplin, A. Alqaisi, O. Alterkait, A. Alton, R. Alvarez, T. Alves, A. Aman, H. Amar, R. M. Amarinei, P. Amedo, E. P. M. Amorim, D. A. Andrade, C. Andreopoulos, M. Andreotti, M. P. Andrews, M. Andriamirado, F. Andrianala, S. Andringa, S. Ansarifard, D. Antic, A. Antonakis, T. Araya-Santander, L. Arellano, E. Arrieta Diaz, M. A. Arroyave, M. Artero Pons, B. Aryal, J. Asaadi, M. Ascencio, A. Ashkenazi, L. Asquith, M. S. Athar, E. Atkin, A. Aurisano, V. Aushev, D. Autiero, M. B. Azam, F. Azfar, J. J. Back, Y. Bae, I. Bagaturia, L. Bagby, H. Bagdu, D. Baigarashev, S. Balasubramanian, A. Balboni, P. Baldi, W. Baldini, J. Baldonedo, B. Baller, B. Bambah, F. Barao, T. Barbera, D. Barbu, G. Barenboim, P. Barham Alzás, G. J. Barker, W. Barkhouse, E. Barlas Yucel, G. Barr, W. Barrett, D. Barrow, J. L. Barrow, A. Basharina-Freshville, A. Bashyal, V. Basque, M. Bassani, D. Basu, L. Bathe-Peters, J. B. R. Battat, F. Battisti, J. Bautista, F. Bay, J. L. L. Bazo Alba, J. F. Beacom, E. Bechetoille, A. Beever, B. Behera, E. Belchior, B. Bell, G. Bell, L. Bellantoni, G. Bellettini, V. Bellini, O. Beltramello, C. Benitez Montiel, D. Benjamin, A. Ben Porat, K. Benslama, F. Bento Neves, J. Berger, S. Berkman, J. Bernal, P. Bernardini, A. Bersani, E. Bertholet, E. Bertolini, S. Bertolucci, M. Betancourt, A. Betancur Rodríguez, Y. Bezawada, A. T. Bezerra, A. Bhat, V. Bhatnagar, M. Bhattacharjee, S. Bhattacharjee, M. Bhattacharya, S. Bhuller, B. Bhuyan, S. Biagi, J. Bian, K. Biery, B. Bilki, A. Binau, M. Bishai, A. Blake, A. Blanchet, F. D. Blaszczyk, G. C. Blazey, E. Blucher, A. Bodek, B. Bogart, J. Boissevain, T. Bolton, L. Bomben, M. Bonesini, C. Bonilla-Diaz, A. Booth, F. Boran, C. Borden, R. Borges Merlo, D. Borodulina, N. Bostan, G. Botogoske, B. Bottino, R. Bouet, J. Boza, B. Brahma, D. Brailsford, F. Bramati, A. Branca, A. Brandt, J. Bremer, S. J. Brice, S. Brickner, V. Brio, C. Brizzolari, C. Bromberg, J. Brooke, A. Bross, M. B. Brunetti, G. Buccino, N. Buchanan, H. Budd, J. Buergi, A. Bundock, D. Burgardt, S. Butchart, G. Caceres V., R. Calabrese, J. Calcutt, L. Calivers, S. Calvez, E. Calvo, A. Caminata, A. F. Camino, W. Campanelli, A. Campani, N. Canci, J. Capó, I. Caracas, D. Caratelli, G. Carini, M. F. Carneiro, P. Carniti, H. Carranza, N. Carrara, A. Carter, E. Casarejos, D. Casazza, J. F. Castaño Forero, F. A. Castaño, R. Castillo Fernandez, C. Castromonte, E. Catano-Mur, C. Cattadori, F. Cavalier, F. Cavanna, S. Centro, G. Cerati, C. Cerna, A. Cervelli, A. Cervera Villanueva, J. Chakrani, M. Chalifour, A. Chappell, A. Chatterjee, B. Chauhan, C. Chavez Barajas, H. Chen, M. Chen, W. C. Chen, Y. Chen, Z. Chen, D. Cherdack, S. S. Chhibra, F. Chiapponi, R. Chirco, K. Cho, S. Choate, G. Choi, D. Chokheli, O. Chow, B. Chowdhury, D. Christian, E. Church, M. F. Cicala, M. Cicerchia, V. Cicero, P. Clarke, J. Cleeve, G. Cline, A. G. Cocco, J. Collazo, J. Collot, H. Combs, J. M. Conrad, L. Conti, T. Contreras, M. Convery, S. Copello, P. Cova, C. Cox, L. Cremonesi, J. I. Crespo-Anadón, M. Crisler, E. Cristaldo, J. Crnkovic, G. Crone, R. Cross, A. Cudd, C. Cuesta, Y. Cui, F. Curciarello, D. Cussans, O. Dalager, W. Dallaway, R. D'Amico, H. da Motta, Z. A. Dar, R. Darby, L. Da Silva Peres, Q. David, G. S. Davies, S. Davini, C. Davis, J. Dawson, M. P. Decowski, A. de Gouvêa, P. C. De Holanda, P. De Jong, P. Del Amo Sanchez, G. De Lauretis, A. Delbart, M. Delgado, A. Dell'Acqua, G. Delle Monache, N. Delmonte, G. De Matteis, J. R. T. de Mello Neto, A. P. A. De Mendonca, D. M. DeMuth, S. Dennis, C. Densham, P. Denton, G. W. Deptuch, V. De Romeri, J. P. Detje, K. Dhanmeher, R. Dharmapalan, M. Dias, A. Diaz, J. S. Díaz, F. Díaz, F. Di Capua, A. Di Domenico, S. Di Domizio, S. Di Falco, D. Di Ferdinando, L. Di Giulio, P. Ding, L. Di Noto, E. Diociaiuti, G. Di Sciascio, C. Distefano, R. Di Stefano, R. Diurba, M. Diwan, Z. Djurcic, S. Dolan, M. Dolce, M. J. Dolinski, D. Domenici, S. Donati, S. Doran, D. Douglas, F. Drielsma, D. J. Drobner, D. Duchesneau, K. Duffy, K. Dugas, P. Dunne, S. Durando, B. Dutta, D. A. Dwyer, A. S. Dyshkant, S. Dytman, M. Eads, S. Edayath, J. Eisch, S. Elias, J. Ellis, W. Emark, P. Englezos, A. Ereditato, D. T. Ergonul, T. Erjavec, C. O. Escobar, J. J. Evans, E. Ewart, A. C. Ezeribe, K. Fahey, A. Falcone, C. Fang, M. Fani', F. Fanomezana, D. Faragher, C. Farnese, Y. Farzan, J. Felix, Y. Feng, C. Ferrari, M. Ferreira da Silva, E. Fialova, L. Fields, P. Filip, A. Filkins, F. Filthaut, G. Fiorillo, M. Fiorini, N. F. Fiuza De Barros, A. Flather, S. Fogarty, W. Foreman, B. Fossing, J. Franc, K. Francis, D. Franco, J. Franklin, J. Freeman, A. Friedland, S. Fuess, I. K. Furic, K. Furman, A. P. Furmanski, R. Gaba, A. Gabrielli, A. M Gago, F. Galizzi, H. Gallagher, M. Galli, N. Gallice, V. Galymov, E. Gamberini, T. Gamble, R. Gan, R. Gandhi, S. Ganguly, F. Gao, S. Gao, A. Garcia, D. Garcia-Gamez, M. Á. García-Peris, V. Garcia Pol, F. Gardim, S. Gardiner, P. Gauzzi, S. Gent, A. C. Germer, A. Ghosh, A. Ghosh, T. Giammaria, D. Gibin, I. Gil-Botella, A. Gioiosa, S. Giovannella, A. K. Giri, D. Gnani, O. Gogota, S. Gollapinni, K. Gollwitzer, R. A. Gomes, L. S. Gomez Fajardo, C. Gonzalez, D. Gonzalez-Diaz, J. Gonzalez-Santome, M. C. Goodman, S. Goswami, C. Gotti, J. Goudeau, C. Grace, E. Gramellini, R. Gran, E. Granados, P. Granger, C. Grant, D. R. Gratieri, P. Green, S. Greenberg, W. C. Griffith, K. Grzelak, L. Gu, W. Gu, M. Guarise, R. Guenette, D. Guffanti, A. Guglielmi, F. Y. Guo, A. Gupta, V. Gupta, G. Gurung, D. Gutierrez, P. Guzowski, M. M. Guzzo, S. Gwon, A. Habig, R. Hafeji, L. Hagaman, A. Hahn, J. Hakenmüller, A. Hambardzumyan, T. Hamernik, P. Hamilton, M. Handley, F. Happacher, B. Harris, D. A. Harris, L. Harris, A. L. Hart, J. Hartnell, T. Hartnett, T. Hasegawa, C. M. Hasnip, K. Hassinin, R. Hatcher, S. Hawkins, J. Hays, M. He, A. Heavey, K. M. Heeger, A. Heindel, J. Heise, K. Heller, P. Hellmuth, L. Henderson, A. Hergenhan, J. Hernández, M. A. Hernandez Morquecho, K. Herner, V. Hewes, A. Higuera, K. Hildebrandt, A. Himmel, E. Hinkle, L. R. Hirsch, J. Ho, A. Holin, G. A. Horton-Smith, R. Hosokawa, T. Houdy, B. Howard, I. Hristova, M. S. Hronek, Y. Hua, J. Huang, R. G. Huang, X. Huang, Z. Hulcher, A. Hussain, N. Ilic, A. M. Iliescu, R. Illingworth, G. Ingratta, A. Ioannisian, M. Ismerio Oliveira, C. M. Jackson, A. Jacobi, V. Jain, C. James, E. James, R. James, S. Jana, W. Jang, B. Jargowsky, C. Jiang, J. Jiang, X. Jin, A. Jipa, J. H. Jo, A. M. Johnson, W. Johnson, C. Jollet, M. Joshi, N. Jovancevic, M. Judah, C. K. Jung, K. Y. Jung, T. Junk, Y. Jwa, M. Kabirnezhad, A. C. Kaboth, I. Kadenko, O. Kalikulov, M. Kandemir, S. Kar, C. Karagianni, G. Karagiorgi, G. Karaman, A. Karcher, Y. Karyotakis, L. Kashur, A. Kauther, N. Kazaryan, L. Ke, E. Kearns, P. T. Keener, A. Kelly, K. J. Kelly, J. Kerby, D. Kereibay, Y. Kermaidic, W. Ketchum, S. H. Kettell, N. Khan, A. Khvedelidze, J. Kim, M. J. Kim, S. Kim, B. King, M. King, M. Kirby, A. Kish, J. Klein, J. Kleykamp, T. Kobilarcik, L. Koch, L. W. Koerner, D. H. Koh, K. Kong, M. Kordosky, V. A. Kostelecký, I. Kotler, M. Kramer, F. Krennrich, T. Kroupova, S. Kubota, M. Kubu, V. A. Kudryavtsev, G. Kufatty, A. Kumar, A. Kumar, J. Kumar, M. Kumar, P. Kumar, S. Kumaran, J. Kunzmann, V. Kus, T. Kutter, T. Labree, M. Lachat, T. Lackey, A. Lambert, B. J. Land, C. E. Lane, N. Lane, K. Lang, M. Langstaff, F. Lanni, S. Lanzi, J. Larkin, P. Lasorak, D. Last, W. Lavrijsen, H. Lay, I. Lazanu, M. Lazzaroni, S. Leardini, J. Learned, G. Lehmann Miotto, R. Lehnert, S. Lehrman, M. Leitner, H. Lemoine, D. Leon Silverio, L. M. Lepin, J. D. Lewis, J. -Y Li, S. W. Li, Y. Li, R. C. R. Lima, C. S. Lin, D. Lindebaum, S. Linden, A. Lister, B. R. Littlejohn, J. Liu, Y. Liu, Y. Liu, M. Lkhagvadorj, S. Lockwitz, I. Lomidze, J. Lopez, N. López-March, A. Lopez Moreno, J. M. LoSecco, A. Lozano Sanchez, X. -G. Lu, M. Lucente, K. B. Luk, X. Luo, G. Lupi, E. Luppi, A. A. Machado, P. Machado, C. T. Macias, J. R. Macier, L. Madern, S. Magill, K. Mahn, A. Maio, N. Majeed, K. Majumdar, P. K. Mal, S. Mameli, M. Man, R. C. Mandujano, J. Maneira, S. Manly, K. Manolopoulos, M. Manrique Plata, S. Manthey Corchado, L. Manzanillas-Velez, E. Mao, M. Marchan, A. Marchionni, D. Marfatia, C. Mariani, J. Maricic, F. Marinho, A. D. Marino, T. Markiewicz, F. Das Chagas Marques, M. Marshak, C. M. Marshall, J. Marshall, J. Martin, M. Martin, L. Martina, J. Martín-Albo, D. A. Martinez Caicedo, M. Martinez-Casales, F. Martínez López, V. Mascagna, A. Mastbaum, M. Masud, F. Matichard, J. Matthews, C. Mauger, N. Mauri, K. Mavrokoridis, I. Mawby, T. McAskill, N. McConkey, B. McConnell, K. S. McFarland, C. McGivern, C. McGrew, A. McNab, C. McNulty, J. Mead, L. Meazza, V. C. N. Meddage, A. Medhi, M. Mehmood, B. Mehta, P. Mehta, F. Mei, P. Melas, L. Mellet, O. Mena, D. P. Méndez, A. Menegolli, G. Meng, A. Mengarelli, A. Meregaglia, G. Merino, M. D. Messier, S. Metallo, M. Mewes, H. Meyer, T. Miao, J. Micallef, G. Michna, R. Milincic, F. Miller, G. Miller, W. Miller, A. Minotti, L. Miralles Verge, C. Mironov, S. Miscetti, P. Mishra, S. R. Mishra, D. Mladenov, I. Mocioiu, A. Mogan, P. S. Mohan, R. Mohanta, T. A. Mohayai, J. Molina, L. Molina Bueno, E. Montagna, A. Montanari, C. Montanari, D. Montanari, D. Montanino, L. M. Montaño Zetina, M. Mooney, A. F. Moor, M. Moore, Z. Moore, B. Moreira, D. Moreno, G. Moreno-Granados, O. Moreno-Palacios, L. Morescalchi, A. Morita, E. Motuk, C. A. Moura, W. Mu, L. Mualem, J. Mueller, M. Muether, N. Mujica-Schwahn, Y. Mukhamejanov, A. Mukhamejanova, E. Muldoon, M. Mulhearn, D. Munford, L. J. Munteanu, H. Muramatsu, T. Murphy, A. Mytilinaki, J. Nachtman, Y. Nagai, S. Nagu, H. Nam, D. Naples, S. Narita, D. Navas-Nicolás, A. Navrer-Agasson, N. Nayak, M. Nebot-Guinot, J. K. Nelson, O. Neogi, J. Nesbit, C. Nesmith, M. Nessi, D. Newbold, M. Newcomer, L. Nguyen, R. Nichol, F. J. Nicolas-Arnaldos, A. Nielsen, A. Nikolica, J. Nikolov, E. Niner, X. Ning, A. Norman, N. Noroozi, A. Norrick, P. Novella, A. Nowak, J. A. Nowak, J. P. Ochoa-Ricoux, S. Oh, S. B. Oh, L. Olaya-Quemba, A. Olivier, T. Olson, Y. Onel, A. Oranday, G. D. Orebi Gann, A. I. R. Orimogunje, M. Osbiston, J. E. Ossa Sanchez, L. O'Sullivan, L. Otiniano Ormachea, L. Pagani, O. Palamara, S. Palestini, J. M. Paley, M. Pallavicini, C. Palomares, B. Pan, S. Pan, M. Panareo, P. Panda, V. Pandey, W. Panduro Vazquez, E. Pantic, V. Paolone, A. Papadopoulou, R. Papaleo, D. Papoulias, S. Paramesvaran, J. Park, J. Park, Y. Park, S. Parke, S. Parsa, M. Parvu, D. Pasciuto, S. Pascoli, L. Pasqualini, C. Pate, G. Patel, J. L. Paton, C. Patrick, L. Patrizii, R. B. Patterson, T. Patzak, A. Paudel, L. Paulucci, Z. Pavlovic, G. Pawloski, D. Payne, A. Peake, V. Pec, E. Pedreschi, L. Pelegrina-Gutiérrez, W. Pellico, E. Pennacchio, A. Penzo, O. L. G. Peres, Y. F. Perez Gonzalez, L. Pérez-Molina, C. Pernas, J. Perry, D. Pershey, G. Petrillo, C. Petta, R. Petti, M. Pfaff, V. Pia, G. M. Piacentino, L. Pickering, G. Piemonti, L. Pierini, F. Pietropaolo, M. Pimenta Sampaio, V. L. Pimentel, G. Pinaroli, S. Pincha, K. Pitts, P. Plesniak, K. Pletcher, K. Plows, C. Pollack, F. Polleri, T. Pollmann, F. Pompa, X. Pons, N. Poonthottathil, F. Poppi, J. Porter, L. G. Porto Paixao, M. Pozzato, R. Pradhan, L. Prais, T. Prakash, M. Prest, D. Pugnere, D. Pullia, X. Qian, J. Queen, J. Quelin-Lechevranton, J. L. Raaf, V. Radeka, J. Rademacker, F. Raffaelli, A. Rafique, U. Rahaman, A. Rahe, S. Rajagopalan, M. Rajaoalisoa, I. Rakhno, L. Rakotondravohitra, M. A. Ralaikoto, L. Ralte, L. Ralte, M. A. Ramirez Delgado, B. Ramson, A. Rappoldi, G. Raselli, T. Rath, P. Ratoff, R. Raut, R. Ray, H. Razafinime, R. F. Razakamiandra, E. M. Rea, J. S. Real, B. Rebel, R. Rechenmacher, M. Reggiani-Guzzo, J. Reichenbacher, S. D. Reitzner, E. Renner, S. Repetto, S. Rescia, F. Resnati, J. V. Restrepo Laverde, C. Reynolds, S. Riboldi, C. Riccio, G. Riccobene, J. S. Ricol, M. Rigan, A. Rikalo, A. Ritchie-Yates, D. Rivera, A. Rivetti, A. Robert, E. Robles, A. Roche, M. Roda, D. Rodas Rodríguez, J. Rodriguez Rondon, S. Rosauro-Alcaraz, D. Ross, M. Rossella, M. Ross-Lonergan, N. Roy, P. Roy, C. Royon, C. Rubbia, A. Ruggeri, G. Ruiz Ferreira, K. Rushiya, B. Russell, E. Sabater Andres, S. Sacerdoti, N. Saduyev, D. Sagar, S. Saha, S. K. Sahoo, N. Sahu, S. Sakhiyev, P. Sala, N. Sallin, S. Samanta, M. C. Sanchez, A. Sánchez-Castillo, P. Sanchez-Lucas, D. A. Sanders, S. Sanfilippo, G. Santoni, D. Santoro, N. Saoulidou, P. Sapienza, I. Sarcevic, I. Sarra, C. Sauer, L. Sauer, G. Savage, V. Savinov, A. Scaramelli, T. Schefke, H. Schellman, S. Schifano, P. Schlabach, D. W. Schmitz, A. W. Schneider, K. Scholberg, A. Schroeder, A. Schukraft, B. Schuld, S. Schwartz, A. Segade, H. Segal, E. Segreto, A. Selyunin, D. Senadheera, C. R. Senise, J. Sensenig, S. H. Seo, D. Seppala, M. H. Shaevitz, P. Shanahan, P. Sharma, R. Kumar, S. Sharma Poudel, K. Shaw, T. Shaw, J. Shen, C. Shepherd-Themistocleous, J. Shi, W. Shi, S. Shin, S. Shivakoti, A. Shmakov, I. Shoemaker, R. Shrock, M. Siden, J. Silber, L. Simard, J. Sinclair, G. Sinev, Jaydip Singh, jyotsna Singh, L. Singh, P. Singh, V. Singh, S. Singh Chauhan, R. Sipos, G. Sirri, K. Siyeon, K. Skarpaas, J. Smedley, J. Smith, R. S. Smith-Jones, J. Smolik, M. Smy, M. Snape, E. L. Snider, P. Snopok, M. Soares Nunes, H. Sobel, M. Soderberg, H. Sogarwal, C. J. Solano Salinas, S. Söldner-Rembold, N. Solomey, V. Solovov, W. E. Sondheim, T. Sonius, M. Sorbara, M. Sorel, J. Soto-Oton, A. Sousa, K. Soustruznik, D. Souza Correia, F. Spinella, J. Spitz, N. J. C. Spooner, D. Stalder, M. Stancari, L. Stanco, J. Steenis, R. Stein, H. M. Steiner, A. F. Steklain Lisbôa, J. Stewart, B. Stillwell, J. Stock, T. Stokes, T. Strauss, L. Strigari, W. Su, A. Surdo, L. Suter, A. Sutton, R. Svoboda, S. K. Swain, C. Sweeney, B. Szczerbinska, A. M. Szelc, A. Sztuc, A. Taffara, N. Talukdar, J. Tamara, H. A. Tanaka, S. Tang, N. Taniuchi, A. M. Tapia Casanova, A. Tapper, S. Tariq, E. Tatar, R. Tayloe, K. Tellez Giron Flores, P. Tennessen, M. Tenti, K. Terao, F. Terranova, S. Teruel, G. Testera, A. Thea, S. Thomas, A. Thompson, C. Thorpe, M. Timalsina, S. C. Timm, E. Tiras, V. Tishchenko, S. Tiwari, N. Todorović, L. Tomassetti, A. Tonazzo, D. Torres Muñoz, M. Torti, M. Tortola, Y. Torun, N. Tosi, D. Totani, M. Toups, C. Touramanis, V. Trabattoni, P. Trevarrow, E. Triller, S. Trilov, D. Trotta, W. H. Trzaska, Y. Tsai, Y. -T. Tsai, Z. Tsamalaidze, K. V. Tsang, N. Tsverava, S. Z. Tu, S. Tufanli, C. Tunnell, S. Turnberg, M. Tuzi, M. Tzanov, J. Ureña González, J. Urheim, T. Usher, H. Utaegbulam, S. Uzunyan, M. R. Vagins, P. Vahle, G. A. Valdiviesso, E. Valencia, R. Valentim da Costa Lima, Z. Vallari, E. Vallazza, J. W. F. Valle, R. Van Berg, D. V. Forero, A. Vannozzi, M. Van Nuland-Troost, F. Varanini, N. Vaughan, A. Vázquez-Ramos, J. Vega, G. Velev, J. Vences, A. Verdugo, M. Verzocchi, K. Vetter, M. Vicenzi, H. Vieira de Souza, C. Vignoli, C. Vilela, E. Villa, S. Viola, B. Viren, G. V. Stenico, R. Vizarreta, A. P. Vizcaya Hernandez, S. Vlachos, Q. Vuong, A. V. Waldron, L. Walker, H. Wallace, M. Wallach, J. Walsh, T. Walton, L. Wan, B. Wang, J. Wang, L. Wang, M. H. L. S. Wang, X. Wang, Y. Wang, Y. Wang, L. Warsame, M. O. Wascko, D. Waters, K. Wawrowska, A. Weber, C. M. Weber, M. Weber, H. Wei, A. Weinstein, D. Wermelinger, S. Westerdale, M. Wetstein, Q. Weyrich, K. Whalen, A. J. White, L. H. Whitehead, D. Whittington, M. M. Wiersma, M. J. Wilking, A. Wilkinson, C. Wilkinson, R. J. Wilson, P. Winter, J. Wolcott, J. Wolfs, T. Wongjirad, A. Wood, K. Wood, E. Worcester, M. Worcester, K. Wresilo, M. Wright, M. Wrobel, S. Wu, Z. Wu, J. Wyenberg, B. M. Wynne, Y. Xiao, Z. Xie, D. Xing, B. Yaeggy, A. Yahaya, N. Yahlali, E. Yandel, G. Yang, J. Yang, A. Yankelevich, L. Yates, U. Yevarouskaya, K. Yonehara, T. Young, B. Yu, H. Yu, J. Yu, K. Yu, X. Yu, W. Yuan, R. Zaki, J. Zalesak, L. Zambelli, B. Zamorano, A. Zani, L. Zazueta, G. P. Zeller, J. Zennamo, J. Zettlemoyer, C. Zhang, S. Zhang, Y. Zhang, L. Zhao, K. Zhu, E. D. Zimmerman, S. Zucchelli, A. Zummo, V. Zutshi, R. Zwaska
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
A Grande Caçada aos Neutrinos: Um Jogo Cósmico de Esconde-Esconde
Imagine que o universo está repleto de mensageiros invisíveis e fantasmagóricos chamados neutrinos. Essas partículas minúsculas são tão tímidas que podem atravessar um ano-luz de chumbo sólido sem esbarrar em um único átomo. Elas passam pela Terra, pelo seu corpo e pelas paredes da sua casa trilhões de vezes por segundo, completamente indetectadas. Por décadas, cientistas têm tentado capturar esses fantasmas para entender um mistério colossal: por que o nosso universo existe?
A história começa com um truque estranho que essas partículas pregam. Os neutrinos vêm em três "sabores" — eletrônico, muônico e tauônico — mas, conforme viajam, eles não permanecem os mesmos. Eles se transformam, ou "oscilam", de um sabor para outro. Essa mudança de forma é governada por uma receita secreta chamada "ângulos de mistura" e um relógio oculto chamado "fase de violação de CP". Se essas configurações estiverem apenas certas, o universo pode ter criado mais matéria do que antimatéria durante o Big Bang, permitindo que estrelas, planetas e nós existíssemos. Se estiverem erradas, tudo teria se aniquilado instantaneamente. O Experimento de Neutrinos de Profundidade Subterrânea (DUNE) é uma máquina massiva projetada para capturar esses transformadores de forma em ação, medindo exatamente como eles mudam para resolver o enigma da nossa existência.
A Missão do Artigo: Uma História de Detetive Bayesiana
Este artigo não apresenta novos dados do próprio experimento DUNE, porque o experimento ainda não terminou de coletar suas pistas do mundo real. Em vez disso, ele atua como um mestre detetive usando uma nova ferramenta poderosa para simular o que acontecerá quando os dados reais chegarem. Os autores utilizaram um método estatístico chamado inferência Bayesiana (especificamente uma abordagem de Monte Carlo via Cadeia de Markov, ou MCMC) para mapear a "sensibilidade" do DUNE. Pense nisso como rodar um milhão de simulações virtuais do experimento para ver o quão bem ele será capaz de resolver o mistério sob diferentes cenários.
O principal achado do artigo é que esta abordagem Bayesiana é incrivelmente poderosa para desembaraçar a complexa teia de relações entre as propriedades dos neutrinos. No passado, os cientistas frequentemente olhavam para uma variável de cada vez, como tentar resolver um quebra-cabeça olhando para uma única peça. Este artigo mostra que, ao olhar para o quadro completo de uma só vez, eles conseguem ver como as peças se encaixam. Por exemplo, eles encontraram uma forte "dança" entre dois ângulos de mistura específicos, sin2θ23 e sin2θ13. Quando você tenta medir um, o outro tenta se esconder, criando um borrão confuso. O método Bayesiano permite que eles vejam a forma quadridimensional completa desse borrão, mostrando exatamente onde os valores verdadeiros provavelmente estão escondidos.
Uma das descobertas mais empolgantes do artigo é o quanto o experimento melhora quando recebe ajuda de fontes externas. Os autores simularam o que acontece se o DUNE combinar seus próprios dados com medições precisas de θ13 de experimentos de reatores (experimentos de base curta que atuam como uma "referência" para uma parte do quebra-cabeça). Eles descobriram que adicionar essa restrição externa é um divisor de águas. Sem ela, o DUNE tem dificuldade em dizer se um ângulo específico está em sua faixa "superior" ou "inferior" (conhecida como octante). Mas com os dados do reator, a simulação mostra que o DUNE pode rejeitar a resposta errada com alta confiança, potencialmente descartando o octante incorreto com um nível de significância de 3σ (um sinal estatístico muito forte) com uma grande quantidade de dados (1000 kt-MW-yr).
O artigo também introduz uma maneira totalmente nova de olhar para os dados: o invariante de Jarlskog (J). Enquanto estudos anteriores focavam nos ângulos individuais, J é um número único que os combina para medir a quantidade total de "violação de CP" (a assimetria matéria-antimatéria) de uma forma que não depende de como você escolhe rotular os ângulos. Os autores simularam a capacidade do DUNE de medir isso e descobriram que, mesmo com uma quantidade moderada de dados (200 kt-MW-yr), o experimento provavelmente poderia rejeitar a ideia de que o CP é conservado (onde J=0) no nível de 3σ, se o valor verdadeiro da fase for −π/4. Isso significa que o DUNE poderia provar que os neutrinos são, de fato, a razão pela qual o universo possui matéria, em vez de apenas antimatéria.
Os autores são cuidadosos ao notar que estes são resultados de simulações, não medições finais. Eles usaram "conjuntos de dados Asimov", que são versões perfeitas e idealizadas dos dados que o experimento espera coletar, para testar seus métodos. Eles excluem explicitamente a ideia de que já resolveram o mistério; em vez disso, construíram um mapa robusto e flexível mostrando exatamente como o DUNE o resolverá assim que os dados reais começarem a fluir. Eles também demonstraram que seu método é flexível o suficiente para adicionar facilmente novas restrições mais tarde, tornando-o uma ferramenta superior para a longa jornada à frente. Em suma, este artigo é uma prova de conceito de que uma nova forma de pensar sobre os dados, mais holística, permitirá que o DUNE veja os segredos dos neutrinos com uma clareza sem precedentes.
Resumo Técnico: Uma Abordagem Bayesiana para a Sensibilidade de Oscilação de Neutrinos de Longa Linha de Base do DUNE
Definição do Problema
O Experimento de Neutrinos Subterrâneo Profundo (DUNE) visa realizar um estudo abrangente da mistura de neutrinos, visando especificamente a determinação da ordenação de massa dos neutrinos, a medição da violação de paridade-carga (CPV) e medições de precisão dos parâmetros de oscilação (δCP, θ13, θ23, Δm322). Embora estudos anteriores de sensibilidade do DUNE tenham utilizado métodos frequentistas clássicos, essas abordagens podem ter dificuldades com a complexidade de espaços de parâmetros de alta dimensão, particularmente em relação às correlações de parâmetros e degenerescências (ex: entre o octante de θ23 e θ13). Além disso, derivar a sensibilidade para quantidades derivadas e não lineares como o invariante de Jarlskog (J) — uma medida de violação de CP independente de parametrização — é computacionalmente difícil dentro do framework frequentista. Este artigo aborda a necessidade de um framework estatístico flexível para avaliar a sensibilidade do DUNE, explorar correlações multidimensionais e avaliar o impacto de restrições externas nas distribuições posteriores.
Metodologia
Os autores empregam um tratamento estatístico Bayesiano usando amostragem de Cadeia de Markov Monte Carlo (MCMC), especificamente o algoritmo Metropolis–Rosenbluth–Rosenbluth–Teller–Teller (MR2T2), para extrair distribuições de probabilidade posterior para os parâmetros de oscilação.
- Amostragem Eficiente: Para lidar com o custo computacional de amostrar espaços complexos e de alta dimensão, os autores utilizam o algoritmo Adaptive Metropolis (AM). Este método atualiza iterativamente a matriz de covariância de proposta baseada nos passos dados pela cadeia. Para otimizar ainda mais a eficiência, a fase de ajuste (tuning) é realizada em um subconjunto de 5% subamostrado de eventos de Monte Carlo (MC), ponderado para corresponder à taxa de dados prevista, antes de retornar à amostra completa para o ajuste final. Isso reduz os custos computacionais em aproximadamente 15x para o ajuste e 50x para a amostragem em comparação ao ajuste manual de covariância.
- Reponderação de Priors: O framework permite a incorporação post-hoc de restrições externas (como medições de reatores de θ13) sem a necessidade de rodar novamente as cadeias MCMC. Isso é alcançado reponderando as amostras existentes pela razão da nova prior em relação à antiga prior.
- Framework de Análise: O estudo utiliza o framework MaCh3 para modelar o fluxo de neutrinos (G4LBNF), interações de neutrinos (GENIE v2.12.1.10) e respostas do detector. As incertezas sistemáticas (fluxo, seção de choque, detector) são implementadas via funções de resposta em bins e matrizes de covariância. A análise utiliza conjuntos de dados Asimov gerados a partir de predições nominais de MC baseadas em dois conjuntos distintos de parâmetros verdadeiros: o ajuste global NuFIT 6.0 (Ordenação Normal, octante inferior de θ23) e o melhor ajuste da análise conjunta T2K-NOvA (Ordenação Invertida, octante superior de θ23).
- Exposições: A sensibilidade é avaliada para dois marcos de exposição: 200 kt-MW-yr (representando 2 módulos de detector e um feixe de 1.2 MW) e 1000 kt-MW-yr (alcance de longo prazo).
Principais Contribuições
- Distribuições Posteriores Quadridimensionais: O artigo apresenta as primeiras distribuições de probabilidade posterior 4D abrangentes para o DUNE, visualizando a estrutura completa de correlação entre sin2θ23, sin2θ13, Δm322 e δCP. Isso destaca como os efeitos de marginalização em projeções de menor dimensão podem obscurecer os valores reais dos parâmetros.
- Quantificação da Sensibilidade ao Octante de θ23: O estudo quantifica a sensibilidade ao octante de θ23 usando fatores de Bayes. Demonstra que a aplicação de uma restrição Gaussiana externa em sin2θ13 (derivada de experimentos de reatores) suprime significativamente a probabilidade posterior do "octante errado", particularmente para o cenário de melhor ajuste T2K-NOvA.
- Primeiro Estudo da Sensibilidade do Invariante de Jarlskog: O artigo apresenta o primeiro estudo de sensibilidade do DUNE ao invariante de Jarlskog (J). Ao avaliar J em cada passo do MCMC, os autores derivam distribuições posteriores para este parâmetro independente de parametrização sem modificar o ajuste subjacente.
Resultados
- Correlações de Parâmetros: Na exposição de 200 kt-MW-yr, existem fortes anti-correlações entre sin2θ23 e sin2θ13, e degenerescências impedem uma preferência definitiva pelo octante de θ23. O ponto de Densidade Posterior Mais Alta (HPD) em projeções 1D para sin2θ13 não se alinha com o valor verdadeiro devido a esses efeitos de marginalização, uma discrepância resolvida apenas ao visualizar a posterior 2D completa.
- Impacto da Exposição: Aumentar a exposição para 1000 kt-MW-yr reduz significativamente as degenerescências em todo o espaço de parâmetros 4D. A correlação entre δCP e outros parâmetros diminui, e a preferência pelo octante verdadeiro se fortalece, fazendo com que o HPD da posterior 1D de sin2θ13 se alinhe com o valor verdadeiro.
- Sensibilidade ao Octante com Restrições: Sem restrições externas, o fator de Bayes para o octante correto é baixo em 200 kt-MW-yr. No entanto, aplicar a restrição de θ13 de reatores aumenta significativamente o fator de Bayes. Para o cenário de melhor ajuste T2K-NOvA, isso resulta na rejeição do octante errado com significância >3σ na exposição de 1000 kt-MW-yr.
- Invariante de Jarlskog (J): Para um δCP=−π/4 verdadeiro, o estudo encontra que a região de conservação de CP (J=0) está logo fora do intervalo de credibilidade de 3σ em 200 kt-MW-yr. Em 1000 kt-MW-yr, a largura da posterior estreita significativamente e a distribuição torna-se insensível à escolha da prior (uniforme em δCP vs. sinδCP). A análise revela que o DUNE restringe primariamente a amplitude combinada de violação de CP, em vez de ângulos de mistura individuais isoladamente.
Significância
O artigo afirma que o framework Bayesiano oferece uma ferramenta robusta e flexível para caracterizar o espaço completo de parâmetros de oscilação de neutrinos, particularmente no tratamento de correlações e degenerescências complexas que são difíceis de visualizar ou quantificar usando métodos frequentistas. A capacidade de incorporar facilmente restrições externas e derivar distribuições posteriores para quantidades derivadas não lineares, como o invariante de Jarlskog, representa um avanço metodológico significativo para a colaboração DUNE. Os resultados ressaltam o papel crítico das restrições externas de θ13 para resolver a ambiguidade do octante de θ23 e demonstram o potencial do DUNE em fornecer uma medida de violação de CP independente de parametrização no setor leptônico.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.
Receba os melhores artigos de high-energy experiments toda semana.
Confiado por pesquisadores de Stanford, Cambridge e da Academia Francesa de Ciências.
Verifique sua caixa de entrada para confirmar sua inscrição.
Algo deu errado. Tentar novamente?
Sem spam, cancele quando quiser.