MATRIX HAWAII: PineAPPL interpolation grids with MATRIX

本文介绍了一个连接 PineAPPL 与 MATRIX 的新接口，该接口能够在 NNLO QCD 和 NLO EW 精度下计算全微分截面插值网格，从而支持使用任意部分子分布函数进行高效预测，并促进不依赖近似 K 因子的全局 PDF 分析。

要点

想象一下，你正在尝试预测某个特定城市的天气，但你必须针对数千种不同的可能气候情景（有些湿度更高，有些风力更强，有些洋流不同）进行预测。

在粒子物理学中，“天气”是指粒子在大型强子对撞机（LHC）中相互碰撞的方式，而“气候情景”则是部分子分布函数（PDFs）。这些 PDF 本质上是描述质子内部微小构建块（夸克和胶子）如何排列的地图。

长期以来，如果科学家想要知道改变“气候”（即 PDFs）会发生什么，他们就必须从头开始运行整个极其复杂的天气模拟。这就像为每一种可能的风速重新运行一次超级计算机模拟。这需要数天、数周甚至数月的计算时间。

问题：“重新烹饪”的困境

本文介绍了一种名为Matrix Hawaii的工具。为了理解它的作用，让我们使用一个烹饪类比。

想象Matrix是一位世界级的厨师，能够使用一套特定的食材（特定的 PDF）烹饪出一顿完美的多道菜大餐（精确的粒子碰撞计算）。然而，如果你想看看使用略有不同的食材时这顿饭的味道如何，厨师就必须从头开始，重新切菜、翻炒和烘烤一切。这既缓慢又昂贵。

此前，科学家们曾试图通过一种称为"K 因子"的捷径来作弊。这就像是用食材 A 做好的饭菜，仅仅乘以一个简单的数字，来猜测用食材 B 做出来会是什么味道。

• 陷阱：这种捷径假设食材的变化以完全相同的方式影响菜肴的每一个部分（汤、牛排、甜点）。实际上，改变食材可能会让汤变得美味，却毁掉甜点。本文认为，这种“乘法捷径”通常过于粗糙，可能导致关于食谱的错误结论。

解决方案：“通用食谱卡”

Matrix Hawaii是解决这一问题的新接口。其工作原理如下：

1. 主网格：厨师（Matrix）只烹饪一次这顿饭，但不再仅仅端出盘子，而是创建一张通用食谱卡（插值网格）。这张卡片不列出具体食材，而是以一种独立于所用具体食材的方式列出菜肴的结构。
2. 即时适应：现在，如果你想知道使用新食材时菜肴的味道如何，你不需要厨师重新烹饪。你只需拿着食谱卡和新食材，一台简单快速的机器（PineAPPL）就能立即告诉你结果。这需要不到一秒的时间，而不是数天。
3. “夏威夷”转折：这个特定工具之所以特殊，是因为它能够处理物理学中已知的最复杂“食谱”（计算），包括那些需要NNLO（次次领头阶）精度的计算。这是目前许多过程可用的最高精度水平。它还将两种此前难以混合的“风味”（QCD 和电弱修正）结合在了一起。

他们证明了什么？

作者们不仅构建了工具，还对其进行了测试以确保其有效。

• 味觉测试：他们使用旧的慢速方法（直接运行 Matrix）和新的快速方法（Matrix Hawaii + 食谱卡）烹饪了相同的“饭菜”（粒子碰撞预测）。
• 结果：结果完全一致，精确到百分之几的微小分数。“食谱卡”方法与从头烹饪一样准确，但速度快了无数倍。
• K 因子的现实检验：他们还将“乘法捷径”（K 因子）与新的“食谱卡”方法进行了对比测试。他们发现，虽然这种捷径在某些简单情况下效果尚可，但当“食材”（PDFs）发生剧烈变化时，它可能会产生显著错误（偏差达百分之几）。这表明，对于最精确的科学，我们应该停止使用捷径，转而使用食谱卡。

这为什么重要？

• 速度：科学家现在可以在过去测试一种组合所需的时间里，测试数千种不同的“食材”组合。
• 准确性：它消除了对粗糙的"K 因子”捷径的需求，从而产生了更精确的质子结构地图。
• 面向未来：随着大型强子对撞机变得更加强大，数据变得更加精确，这些食谱卡允许社区即时更新其预测，而无需重建整个超级计算机基础设施。

简而言之，Matrix Hawaii是一种将缓慢、重复的烹饪过程转变为快速、灵活系统的工具，使物理学家能够以前所未有的速度和精度探索宇宙。

技术摘要

技术摘要：MATRIX HAWAII——结合 MATRIX 的 PineAPPL 插值网格

问题陈述
随着大型强子对撞机（LHC）接近其高亮度阶段，标准模型过程的实验测量已达到理论预测必须匹配其精度的水平。实现这一精度的一个关键瓶颈是部分子分布函数（PDF）的确定。PDF 拟合需要重复将理论截面预测与不同的 PDF 集进行卷积。在量子色动力学（QCD）的次次领头阶（NNLO）下，这些计算计算量巨大，使得 PDF 确定的迭代过程成本高到无法承受。

目前，缺乏公开可用的工具来为广泛的 LHC 过程生成 NNLO QCD 插值网格，迫使全局分析依赖"K 因子”近似。在这种方法中，NNLO 预测通过将次领头阶（NLO）结果乘以 NNLO 与 NLO 截面之比（K 因子）来近似。该方法假设 K 因子与 PDF 集和部分子通道无关，这一近似的可靠性及其对 PDF 提取的潜在偏差尚未被充分量化。此外，现有工具通常缺乏在适合现代 PDF 拟合的网格格式中一致结合 QCD 和电弱（EW）修正的能力。

方法论
作者提出了Matrix Hawaii，这是一个将MATRIX计算框架与PineAPPL库连接的新接口。

• MATRIX：一个公开框架，能够计算单微分和双微分分布，精度达到 NNLO QCD（以及 NLO EW），适用于 Drell-Yan（DY）产生和顶夸克对（$t\bar{t}$）产生等过程。它利用$q_T$减除形式来处理红外发散，这引入了对技术切片参数$r_{cut}$的依赖。
• PineAPPL：一个旨在生成和操作插值网格的库。这些网格以与 PDF 无关的方式存储部分子截面，允许在事后与任意 PDF 集进行快速卷积。
• 接口（Matrix Hawaii）：核心创新在于这两个代码的集成。该接口使 MATRIX 能够将其结果直接输出到 PineAPPL 插值网格中。
  • $r_{cut}$外推：解决的一个关键技术挑战是消除 MATRIX 的$q_T$减除方法中固有的$r_{cut}$依赖性。作者将外推程序（将结果拟合为$r_{cut}$的多项式并外推至零）推广到插值网格层面。通过利用卷积运算的线性以及网格的向量空间性质，他们构建了一个最终网格，代表$r_{cut} \to 0$极限，而无需用户手动执行外推。
  • QCD + EW 组合：该接口支持在强耦合和电弱耦合下的同时展开，允许生成包含 NNLO QCD 和 NLO EW 修正的网格。
  • CKM 矩阵处理：对于带电流过程，该接口实现了一种重加权方法，以恢复 Born 级的 Cabibbo-Kobayashi-Maskawa (CKM) 矩阵依赖性，否则由于外部振幅提供者的重整化限制，这些依赖在圈计算中会被近似为平凡。

主要贡献

1. 首个公开 NNLO QCD 网格工具：Matrix Hawaii 被展示为第一个公开可用的工具，能够为包括非壳层$Z/W$玻色子产生和$t\bar{t}$产生在内的一系列过程生成 NNLO QCD 精度的插值网格。
2. 插值验证：作者通过将 Matrix Hawaii 网格预测与直接 MATRIX 计算进行比较来验证该接口。他们证明，与蒙特卡洛积分和$r_{cut}$外推不确定性的组合相比，插值误差可以忽略不计（低于千分之一水平）。
3. K 因子与精确 NNLO 研究：该论文提供了一个代理研究，比较使用精确 NNLO 计算（通过网格）与 K 因子近似的 PDF 拟合。使用 CJ22 PDF 集作为测试平台，作者改变输入参数以评估该近似对数据描述$\chi^2$的影响。
4. 包含 EW 修正：该工具成功生成了包含与 NNLO QCD 结合的 NLO EW 修正的网格，表明在某些运动学区域（例如中心快度区），EW 效应可能超过 NNLO QCD 尺度不确定性。

结果

• 验证：对于 7 TeV 和 8 TeV 下的 Drell-Yan 和顶夸克对产生（ATLAS、LHCb、CMS 数据集），Matrix Hawaii 与直接 MATRIX 结果之间的插值误差被发现远低于千分之一水平，证实了网格生成的可靠性。
• K 因子影响：对 K 因子近似的研究表明，虽然该方法在特定 PDF 集的最佳拟合点附近表现合理，但当偏离评估点时，偏差可能变得显著（高达几个百分点）。作者发现，在某些参数变化下，K 因子的 PDF 依赖性与其本身相比不可忽略，这表明依赖 K 因子可能会在 PDF 确定中引入偏差，特别是对于胶子和海夸克分布。
• EW 效应：包含 NLO EW 修正显示出几个百分点的负修正，在特定运动学区域，这些修正与 NNLO QCD 下的剩余微扰不确定性相当或更大。

意义与主张
该论文声称，Matrix Hawaii 是朝着使精确的、完全微分的 NNLO QCD 预测以有利于高效 PDF 确定的格式向更广泛社区开放迈出的关键一步。通过提供编码精确 NNLO 信息（而非 K 因子）的网格，该工具解决了 PDF 拟合的计算瓶颈，并消除了与 K 因子近似相关的系统不确定性。

作者强调，虽然 K 因子方法在某些情况下可能是可接受的，但对于 MATRIX 支持的过程类别（Drell-Yan、希格斯、双玻色子、三光子和顶夸克对产生），精确 NNLO 网格的可用性使得 K 因子方法变得“过时”。为本出版物生成的网格以及 Matrix Hawaii 代码已公开提供，使社区能够在无需重复进行昂贵的 NNLO 计算的情况下进行 PDF 拟合和不确定性分析。该工具还为未来在次次次领头阶（N3LO）的 PDF 确定奠定了基础，通过建立高效处理高阶修正的工作流程。