Nuclear-geometry-tagging events in high-energy Ne--Ne collisions

Resumo Técnico: Eventos de marcação de geometria nuclear em colisões de alta energia Ne–Ne

Enunciado do Problema
Colisões núcleo-núcleo ultrarelativísticas oferecem uma sonda única para correlações de muitos corpos dentro de núcleos atômicos, uma vez que a geometria inicial do sistema produzido reflete a estrutura nuclear intrínseca. Embora a deformação nuclear seja conhecida por influenciar observáveis de fluxo anisotrópico (como $v_2$), a modelagem teórica padrão frequentemente trata os núcleos como densidades de um corpo usando distribuições de Woods–Saxon modificadas. Cálculos de última geração recentes, especificamente a Teoria de Campo Efetivo de Rede Nuclear (NLEFT) e o Método de Coordenada Geradora Projetada (PGCM), preveem que os núcleos de $^{20}\text{Ne}$ possuem uma forma altamente deformada de "pino de boliche" do tipo $\alpha + ^{16}\text{O}$. Embora tais núcleos tenham sido colididos no LHC, é necessário um método para maximizar a sensibilidade a essas características estruturais específicas. Especificamente, os autores investigam se configurações geométricas distintas — corpo–corpo (de lado) e ponta–ponta (de extremidade) — podem ser isoladas do conjunto geral de eventos para estudar a estrutura nuclear subjacente.

Metodologia
O estudo emprega um modelo de Monte–Carlo Glauber para simular colisões Ne–Ne a $\sqrt{s_{NN}} = 5,36$ TeV.

• Configurações Nucleares: As posições iniciais dos nucleons são amostradas a partir de dois frameworks teóricos distintos: NLEFT e PGCM. Estes são comparados contra uma distribuição de Fermi esférica (Woods–Saxon) como referência.
• Seleção de Eventos: A análise foca em colisões centrais ($N_{\text{spec}} \leq 2$). Os eventos são classificados em categorias "ponta–ponta" e "corpo–corpo" com base nos ângulos polares ($\theta$) dos eixos de simetria nuclear em relação ao feixe e no alinhamento azimutal ($\Delta\phi$).
• Observáveis Sensíveis à Geometria: Dois observáveis do estado inicial são utilizados:
  1. Excentricidade de segunda ordem ($\varepsilon_2$): Mede a anisotropia espacial da distribuição de participantes.
  2. Compactação transversal ($d_\perp$): Derivada da área de sobreposição transversal e do número de participantes, representando o inverso do tamanho transversal. A análise utiliza a flutuação normalizada $\delta d_\perp / \langle d_\perp \rangle$.
• Técnica de Separação: Um discriminante linear de Fisher é construído para separar as classes alvo (corpo–corpo ou ponta–ponta) do fundo (todos os outros eventos, incluindo a orientação oposta). O discriminante utiliza a correlação entre $\varepsilon_2$ e $\delta d_\perp / \langle d_\perp \rangle$.
• Validação: Os limiares são otimizados em uma amostra de validação para reter 30% da classe alvo. O desempenho (eficiência e pureza) é avaliado em uma amostra de teste independente. Um modelo de brinquedo (toy model) também é empregado para avaliar a robustez dessas seleções contra flutuações no mapeamento da geometria inicial para os observáveis do estado final (fluxo elíptico e momento transversal médio).

Principais Contribuições e Resultados

• Distribuições Distintas: O estudo confirma que as configurações corpo–corpo e ponta–ponta produzem distribuições distintas, embora sobrepostas, no plano $\varepsilon_2$–$d_\perp$. Eventos corpo–corpo agrupam-se em altos valores de $\varepsilon_2$ e baixa compactação, enquanto eventos ponta–ponta favorecem baixo $\varepsilon_2$ e alta compactação.
• Sensibilidade Além de Colisões Centrais: A sensibilidade à deformação nuclear não se limita às colisões mais centrais. A diferença entre configurações esféricas e deformadas permanece visível até $N_{\text{part}} \sim 13$, sugerindo que os efeitos de deformação persistem em uma faixa de centralidade mais ampla do que o anteriormente assumido.
• Diferenças de Modelo: Embora o NLEFT e o PGCM mostrem resultados semelhantes em altas multiplicidades, diferenças consideráveis emergem no intervalo $13 < N_{\text{part}} < 25$, particularmente em relação à compactação transversal ($d_\perp$). Isso sugere que o $d_\perp$ poderia servir como uma sonda para distinguir entre diferentes previsões de estrutura nuclear de muitos corpos.
• Desempenho de Classificação: Usando o discriminante linear de Fisher com uma restrição de eficiência de 30%:
  • Seleção corpo–corpo: Alcança uma pureza de 0,201 (NLEFT) e 0,156 (PGCM). Isso corresponde a um fator de enriquecimento de aproximadamente 11 vezes sobre a fração bruta de dados.
  • Seleção ponta–ponta: Alcança uma pureza de 0,573 (NLEFT) e 0,540 (PGCM), correspondendo a um fator de enriquecimento de cerca de 4,5.
• Linear vs. Não-linear: Os autores observam que, embora as distribuições exibam alguma sobreposição e potenciais estruturas não lineares, um separador linear fornece uma base transparente. Tentativas de usar abordagens de aprendizado de máquina não resultaram em um aumento significativo de pureza sobre o método linear.

Significância
O artigo demonstra que a orientação de núcleos deformados deixa marcas mensuráveis na geometria inicial da colisão, mesmo ao considerar as flutuações evento a evento e os efeitos de suavização da evolução hidrodinâmica. Ao utilizar a correlação entre excentricidade e compactação transversal, é possível construir amostras de eventos enriquecidas em configurações geométricas específicas (corpo–corpo ou ponta–ponta). Essa capacidade permite uma sonda experimental mais direta das interações de muitos corpos e das geometrias de estado fundamental previstas por teorias nucleares avançadas de baixa energia, como NLEFT e PGCM. O trabalho estabelece que esses observáveis sensíveis à geometria fornecem informações complementares, validando o uso de seleções multidiferenciais para restringir parâmetros de estrutura nuclear em colisões de alta energia.