Polarized and un-polarized $\mathcal{R}_{K^*}$ in and beyond the SM

该论文计算了$B\to K^{*}\ell^{+}\ell^{-}$（$\ell=\mu, \tau$）衰变中$\tau$与$\mu$的极化与非极化轻子味普适性比值，指出$K^{*}$介子的极化可作为关键观测量，在现有及未来实验灵敏度范围内有效区分不同的新物理模型。

要点

这篇论文就像是在宇宙粒子物理的“侦探故事”，主角是一群物理学家，他们正在寻找“新物理”（New Physics）的线索，试图破解标准模型（Standard Model）无法解释的谜题。

为了让你轻松理解，我们可以把整个研究过程想象成在检查一辆极其精密的赛车（标准模型）是否真的完美无缺。

1. 背景：赛车为什么跑得不一样？

• 标准模型（SM）：这是目前物理学界公认的“赛车设计图纸”。它告诉我们，电子（e）、μ子（µ）和τ子（τ）这三种“粒子车手”虽然体重（质量）不同，但它们在赛道上受到的“引擎推力”（与希格斯玻色子的相互作用）应该是一模一样的。这叫做**“轻子味普适性”（LFU）**。
• 异常现象：最近，科学家发现这辆赛车在某些弯道（B介子衰变）的表现有点不对劲。特别是当涉及较轻的μ子和电子时，数据虽然还勉强符合图纸，但已经出现了偏差。
• 真正的疑点：现在，科学家们把目光投向了最重的“车手”——τ子。如果标准模型是完美的，那么τ子和μ子的表现比例应该有一个固定的预测值。但如果有“新物理”（比如未知的粒子或力）在捣乱，这个比例就会发生变化。

2. 核心任务：给赛车装上“高清摄像头”

这篇论文的作者（来自巴基斯坦和CERN的科学家）提出：光看赛车跑得快不快（总衰变率）还不够，我们需要更细致的观察。

• 比喻：想象赛车在过弯时，车身会有不同的倾斜角度（极化）。
  • 纵向极化（Longitudinal）：就像赛车车头微微向下俯冲。
  • 横向极化（Transverse）：就像赛车车身侧倾。
• 以前的做法：大家只统计赛车过弯的总次数（未极化的比率 $R$）。
• 这篇论文的突破：他们计算了**“带角度的比率”**。也就是说，他们不仅看τ子和μ子的比例，还专门看：
  • 当K*介子（赛车）是“俯冲”状态时，τ子和μ子的比例是多少？
  • 当K*介子是“侧倾”状态时，比例又是多少？

3. 他们做了什么？（计算与模拟）

作者们建立了一个复杂的数学模型（就像在超级计算机里模拟赛车），考虑了两种情况：

1. 标准模型情况：如果一切正常，这些带角度的比例应该是多少？
2. 新物理情况：如果存在未知的“新引擎”或“新力场”（论文中提到的各种 NP 场景，如 S-I, S-II, S-V 等），这些比例会变成什么样？

他们计算了十几种不同的“角度组合”比率（比如 $R_{K^*}^{LL}$ 代表两个都是纵向，$R_{K^*}^{LT}$ 代表一个纵向一个横向等）。

4. 发现了什么？（侦探的结论）

通过对比模拟数据，他们发现了一些非常有趣的现象：

• 放大镜效应：普通的比率（只看总数）可能因为误差太大，看不清新物理的踪迹。但是，带极化（带角度）的比率就像是一个高倍放大镜。
• 区分不同嫌疑人：
  • 想象有几种不同的“新物理嫌疑人”（不同的理论模型）。
  • 普通的观察可能分不清谁是谁。
  • 但是，如果你观察**“纵向极化比率”，嫌疑人 A 会表现出一种特定的数值；如果你观察“横向极化比率”**，嫌疑人 B 会表现出完全不同的数值。
  • 结论：这些带极化的比率具有极强的**“鉴别力”**。它们不仅能告诉我们“有新物理”，还能告诉我们“是哪一种新物理”。

5. 未来的希望

• 挑战：τ子很难在探测器中被“抓”到（就像赛车太快，摄像头容易模糊），所以目前实验数据还很少。
• 展望：随着 LHCb（大型强子对撞机上的实验）和其他未来实验技术的进步，我们有望测量到这些精细的“角度比率”。
• 意义：一旦测到这些数据，我们就能像拼图一样，把那些隐藏在标准模型背后的“新物理”碎片拼凑起来，甚至可能发现暗物质或宇宙不对称性的线索。

总结

这就好比：
以前我们只知道赛车在赛道上跑了一圈用了 10 秒（总比率），这符合预期。
现在，科学家说：“等等，让我们看看赛车在过弯时，左前轮和右后轮的受力情况（极化比率）。”
他们发现，如果按照旧图纸，左前轮应该受力 50 牛，右后轮 50 牛。但如果有一种神秘的“新风力”（新物理），左前轮可能会变成 40 牛，右后轮变成 60 牛，而且不同的“新风力”会让车轮受力呈现完全不同的组合模式。

这篇论文就是给未来的实验物理学家提供了一份“高清检查清单”，告诉他们：别只盯着总时间看，去检查车轮的受力角度吧！那里藏着解开宇宙终极谜题的钥匙。

技术摘要

这是一份关于论文《Polarized and un-polarized RK∗ in and beyond the SM》（标准模型内及之外的极化与非极化 $R_{K^*}$ 研究）的详细技术总结。

1. 研究背景与问题 (Problem)

• 标准模型 (SM) 的局限性：尽管标准模型在大多数粒子物理数据中表现良好，但仍无法解释暗物质、暗能量、物质 - 反物质不对称性等重大谜题。寻找“新物理”（NP）是高能物理的主要挑战。
• 轻子味普适性 (LFU) 异常：SM 预言轻子味普适性，即不同代轻子与希格斯玻色子的耦合仅由质量决定。然而，近年来 $B \to (K, K^*)\ell^+\ell^-$ 衰变中 $\mu/e$ 比率（$R_{K^{(*)}}$）的实验测量显示出与 SM 预言的偏差（约 2-3$\sigma$），引发了对 NP 的广泛兴趣。
• $\tau-\mu$ 比率的研究缺口：目前的实验数据主要集中在 $\mu/e$ 比率上。对于涉及第三代轻子 $\tau$ 的比率 $R_{K^{(*)}}^{\tau\mu}$，由于 $\tau$ 轻子重建的复杂性，实验数据尚缺。然而，理论分析表明，即使 NP 耦合是普适的，由于 $\tau$ 和 $\mu$ 的质量差异，$R_{K^{(*)}}^{\tau\mu}$ 也可能偏离 SM 预言。
• 核心问题：如何区分不同的 NP 模型？现有的观测值（如 $R_{K^*}$）可能不足以区分多种 NP 场景。本文旨在探索极化 $K^*$ 介子的观测值是否具有更强的区分能力。

2. 方法论 (Methodology)

• 有效哈密顿量 (Effective Hamiltonian)：
  • 基于算符乘积展开 (OPE)，构建了描述 $b \to s \ell^+\ell^-$ 跃迁的弱有效哈密顿量。
  • 包含了 SM 算符 ($O_7, O_9, O_{10}$) 以及可能的 NP 贡献（包括手征翻转算符 $O'_i$）。
  • 引入了 Wilson 系数 ($C_i$)，并考虑了多种 NP 场景，包括一维 (1D) 场景（如 $C_9^\mu$ 单独变化）和多维 (D>1) 场景（如 $C_9^\mu = -C_{10}^\mu$ 等）。
• 可观测量定义：
  • 定义了多种轻子味普适性破坏 (LFUV) 比率，不仅包含未极化的 $R_{K^*}^{\tau\mu}$，还详细定义了基于 $K^*$ 介子极化状态（纵向 $L$、横向 $T$）的比率：
    • $R_{K^*}^{\tau\mu}$ (总比率)
    • $R_{K^*L}^{\tau\mu}, R_{K^*T}^{\tau\mu}$ (分母为极化 $\mu$ 态)
    • $R_{K^*\tau L}^{\tau\mu}, R_{K^*\tau T}^{\tau\mu}$ (分子为极化 $\tau$ 态)
    • $R_{K^*LL}^{\tau\mu}, R_{K^*TT}^{\tau\mu}, R_{K^*LT}^{\tau\mu}, R_{K^*TL}^{\tau\mu}$ (分子分母均为特定极化态)
    • $R_{K^*L}^\tau, R_{K^*T}^\tau$ (纯 $\tau$ 衰变中的螺旋度分数)
• 计算框架：
  • 利用四重微分衰变分布计算分支比。
  • 将分支比表示为 SM 贡献 ($D_j^\ell$) 和 NP 修正项 ($N_j'^\ell$) 的函数。
  • 在 $q^2 \in [14, s_{max}] \text{ GeV}^2$ 区间内对动量转移进行积分，计算上述比率的数值。
  • 考虑了形状因子 (Form Factors) 和输入参数的不确定性。

3. 关键贡献 (Key Contributions)

1. 极化观测量的系统性计算：首次系统计算了 $B \to K^* \ell^+\ell^-$ 衰变中，针对 $\tau$ 和 $\mu$ 轻子，考虑 $K^*$ 介子不同极化状态（纵向、横向）的多种 LFUV 比率。
2. NP 场景的区分能力：不仅计算了 SM 预言值，还针对文献中提出的多种 NP 场景（包括 1D 和 D>1 场景，如 S-I 至 S-XIII）进行了详细分析。
3. 发现高区分度观测量：证明了某些特定的极化比率（如 $R_{K^*LL}^{\tau\mu}, R_{K^*TT}^{\tau\mu}, R_{K^*\tau T}^{\tau\mu}$ 等）对 NP Wilson 系数非常敏感，且在不同 NP 场景下表现出显著差异，具有比未极化比率更强的“判别力” (Discriminatory Power)。
4. 提供数值基准：提供了在 $q^2$ 高动量转移区域（$14 \le s \le s_{max}$）这些可观测量在 SM 及多种 NP 场景下的精确数值范围和 $q^2$ 分布图，为未来实验（如 LHCb 升级后）提供理论基准。

4. 主要结果 (Results)

• SM 预言：在 $q^2 \in [14, 19] \text{ GeV}^2$ 区间，未极化比率 $R_{K^*}^{\tau\mu}$ 的 SM 预言值约为 $0.41 \pm 0.01$。
• 1D 场景分析：
  • 在场景 S-II ($C_9^\mu = -C_{10}^\mu$) 下，$R_{K^*}^{\tau\mu}$ 的预言值 ($0.40-0.41$) 被 SM 不确定性掩盖，难以区分。
  • 但在场景 S-I ($C_9^\mu$) 和 S-III ($C_9^\mu = -C_9'^\mu$) 下，$R_{K^*}^{\tau\mu}$ 显著低于 SM 值 ($0.30-0.35$)。
  • 极化比率的优势：对于 $R_{K^*LL}^{\tau\mu}$ 和 $R_{K^*TT}^{\tau\mu}$，不同场景（特别是 S-III）在高 $q^2$ 区域显示出与 SM 及其他场景的显著分离。
• D>1 场景分析：
  • 在多维 NP 场景（如 S-V, S-VI, S-XIII 等）中，观测到的偏差更为复杂。
  • 例如，$R_{K^*}^{\tau\mu}$ 在 S-V 场景下可高达 $0.71$，而在 S-XIII 下约为 $0.63$，均显著高于 SM。
  • 某些极化比率（如 $R_{K^*\tau T}^{\tau\mu}$ 和 $R_{K^*TT}^{\tau\mu}$）在 S-V, S-VI, S-VIII 等场景下显示出对 SM 的显著偏离，且不同场景间的数值分布重叠较少。
• 相关性分析：通过绘制 $R_{K^*}^{\tau\mu}$ 与其他极化比率的相关图（Correlation Plots），发现这些观测量之间存在独特的关联模式，有助于在实验测量后反推具体的 NP 模型参数空间。

5. 意义与展望 (Significance)

• 实验指导：随着 LHCb 等实验对 $\tau$ 轻子重建能力的提升，测量 $B \to K^* \tau^+ \tau^-$ 衰变及其极化状态将成为可能。本文提供的极化比率是未来实验的关键目标。
• 模型甄别：目前的 $b \to s \mu^+ \mu^-$ 异常存在多种 NP 解释（如 $Z'$ 模型、Leptoquarks 等）。本文证明，仅靠未极化的 $R_{K^*}$ 可能不足以区分这些模型，而引入极化信息（特别是 $\tau$ 轻子末态的极化比率）可以打破简并，有效区分不同的 NP 耦合结构。
• 新物理探针：这些极化可观测量不仅对 NP 参数敏感，还能利用 $\tau$ 和 $\mu$ 的质量差异放大 NP 效应，是探索第二代和第三代轻子味普适性破坏的有力工具。

总结：该论文通过理论计算证明，在 $B \to K^* \ell^+\ell^-$ 衰变中，利用 $K^*$ 介子的极化状态构建的 $\tau-\mu$ 轻子味普适性比率，是区分不同新物理模型的关键探针。未来的实验测量这些极化观测量，将极大地推动对超出标准模型物理的理解。