Transverse momentum dependent gluon density in a proton at low $x$ in the Laplace transform method

本文采用拉普拉斯变换方法，推导了极低$x$下质子中积分及横向动量依赖胶子密度的紧凑解析表达式，证明这些简化公式在准确捕捉更复杂计算核心特征的同时，与其他解析及数值方法的结果高度吻合。

要点

想象一下，质子并非一颗实心的大理石，而是一个位于微小球体内的、熙熙攘攘且混乱的城市。在这座城市里，最重要的居民是胶子——它们就像将一切粘合在一起的“胶水”粒子。

物理学家通常试图通过观察这些胶子向前运动的“动量”（速度和方向）来绘制这座城市的地图，就像观察汽车在笔直的高速公路上行驶一样。这被称为“积分”视角。然而，在现代粒子加速器发生的高速碰撞中，胶子也会左右摇摆。为了理解全貌，科学家需要一张既能显示向前速度，又能显示左右摇摆的地图。这被称为横向动量依赖（TMD）胶子密度。

问题在于，计算这种左右运动，尤其是当胶子相对于质子的总能量运动得非常缓慢时（物理学家称之为“小 x"状态），极其困难。这就像试图用复杂、混乱且需要超级计算机的数学公式，来预测一片叶子在飓风中旋转的确切路径。

本文的解决方案：“拉普拉斯变换”捷径

这篇论文的作者是来自伊朗、美国、俄罗斯和英国的一个团队，他们提出了一个巧妙的捷径。与其直接与混乱复杂的方程搏斗，他们使用了一种名为拉普拉斯变换的数学工具。

将拉普拉斯变换想象成一副特殊的眼镜或一位翻译官。

• 没有这副眼镜： 数学看起来像一团纠缠的意大利面。很难看清其中的模式。
• 戴上这副眼镜： 线团解开了。复杂的方程变成了简单、整洁的线条，易于阅读和求解。

通过将他们的方程输入这位“翻译官”，该团队推导出了简洁紧凑的公式，描述了这些胶子的行为。他们不仅查看了最简单的版本，还包含了“次领头阶”修正，这就像在素描中添加精细细节，使其看起来像一幅逼真的画作。

他们的发现

1. 简洁与精准并存： 当他们将这些简单公式与大型超级计算机模拟的结果以及其他主要物理团体（如 CTEQ 和 NNPDF）使用的复杂方法进行比较时，发现他们的结果非常吻合。
   • 类比： 这就像他们绘制了一张简单的手绘城市地图，结果发现其准确度与耗时数小时由超级计算机生成的 GPS 系统一样高。
2. “软”区与“硬”区： 他们发现，在极低的横向速度下（“软”区），胶子的行为需要被猜测或建模（就像地图上的雾区）。但一旦速度提升（“硬”区），他们的简单公式就能完美运作。
3. “苏达科夫”效应： 他们还考察了一个名为“苏达科夫形状因子”的因子。你可以将其视为一张安全网或一个制动系统。它解释了胶子并非随机飞散，而是倾向于避免以某些方式辐射能量。作者们表明，在他们的简单公式中加入这个“制动系统”，只会轻微改变结果，且主要发生在低速区。

为何这很重要

这篇论文的主要成就并非发现新粒子或新物理定律。相反，它关乎效率与清晰度。

在高能物理领域，研究人员通常必须运行极其复杂、耗时的计算机模拟，以获取实验预测。这篇论文指出：“你并不总是需要超级计算机。”你可以使用这些新的、简单的解析公式。它们捕捉了复杂计算的核心特征，但更易于使用和理解。

总结

作者们面对一个非常复杂的问题——在低能状态下绘制质子内部胶子的左右运动地图——利用数学“翻译官”（拉普拉斯变换）简化了方程，并生成了一组易于使用的公式。这些公式的效果与重型计算机模拟一样好，使得物理学家在解释像大型强子对撞机（LHC）这样的粒子对撞机数据时，能够更加轻松，而不至于迷失在数学的荆棘丛中。

技术摘要

技术摘要：拉普拉斯变换方法下质子中小 x 区域的横向动量依赖胶子密度

问题陈述
现代及未来的高能对撞机（如 LHC、LHeC、EIC、EicC、NICA 和 CEPC）高度依赖量子色动力学（QCD）来预测$ep$、$eA$、$pp$和$pA$碰撞中的硬过程。虽然由 DGLAP 演化方程支配的共线因子化方案通过忽略部分子横向动量（$k_T$）成功描述了具有单一硬尺度的过程，但在涉及多个硬尺度或小纵向动量的过程中，该方案变得不可靠。在这些区域，需要横向动量依赖（TMD）部分子分布（或非积分部分子密度，uPDFs）。

尽管 TMD 至关重要，但质子 TMD 的已知程度仍不如其共线对应物。存在多种方法，包括 BFKL、CCFM、BK 和 JIMWLK 演化方程，以及从共线部分子分布函数（PDFs）推导 TMD 的 Kimber-Martin-Ryskin (KMR) 和 Watt-Martin-Ryskin (WMR) 等方案。然而，人们仍然需要能够捕捉这些复杂计算本质特征的简单解析表达式，特别是在胶子贡献占主导的渐近极限$x \to 0$下。

方法论
作者利用拉普拉斯变换技术，研究了极低$x$下质子中的胶子分布，推导了积分密度和横向动量依赖密度。该方法步骤如下：

1. 框架：研究聚焦于渐近极限$x \to 0$，在此极限下夸克贡献被忽略，胶子密度服从 DGLAP 演化方程。TMD 胶子分布$f_g(x, k_T^2)$通过关系式$f_g(x, k_T^2) \simeq \frac{\partial}{\partial \mu^2} G(x, \mu^2) \big|_{\mu^2=k_T^2}$近似，其中$G(x, \mu^2) = xg(x, \mu^2)$。
2. 变量变换：DGLAP 方程使用变量$\upsilon = \ln(1/x)$和$t = \ln \mu^2$重写。演化方程中的卷积积分在拉普拉斯空间中被转换为乘积。
3. 拉普拉斯变换应用：演化方程在拉普拉斯域（$s$空间）中求解。解涉及分裂函数的拉普拉斯变换$h_{gg}^{(n)}(s)$和初始胶子密度。作者包含了领头阶（LO）和主要次领头阶（NLO）贡献。
4. 微扰展开：解按强耦合常数$\alpha_s$的幂次展开。作者保留了直到$O(\alpha_s^2)$的项，忽略了更高阶项。
5. 逆变换：执行解析逆拉普拉斯变换以返回$x$空间。这涉及处理如$F(s)/s$和$F(s)/s^2$的项，它们对应于初始分布的积分。初始胶子分布在软区域（$k_T^2 < k_0^2$）中用包含自由参数$N, a, b$和$k_0$的一般形式进行参数化。
6. Sudakov 形状因子：作者还考虑了包含 Sudakov 形状因子$T_g(k_T^2, \mu^2)$，该因子对虚贡献进行求和。附录中推导了角序和强序条件下 Sudakov 因子的解析表达式。

主要贡献与结果

• 解析表达式：主要贡献是推导了适用于渐近$x \to 0$极限的积分胶子密度$xg(x, \mu^2)$和 TMD 胶子密度$f_g(x, k_T^2)$的紧凑解析表达式。这些表达式包含了 LO 和 NLO 修正。
• 验证：推导出的共线胶子密度解析结果与主要全局分析组（CTEQ-TEA、NNPDF4.0、MSHT'2020 和 IMP）的 DGLAP 方程数值解进行了比较。作者报告称，对于中等和大$\mu^2$值，特别是与 CTEQ-TEA 固定味数方案（FFNS）预测相比，结果“相当吻合”。
• TMD 比较：计算出的 TMD 胶子密度与 KMR/WMR 方法（KL'2025）的预测以及基于 CCFM 的场景（LLM'2024）进行了比较。作者发现，在广泛的$x$范围内，对于中等胶子横向动量（$k_T^2 \leq 100 \text{ GeV}^2$），其 LO 结果与 LLM'2024 的预测存在“显著吻合”。
• Sudakov 效应：包含 Sudakov 形状因子显示出较小的效应，主要在小横向动量处可见，而在大$k_T^2$区域该因子基本消失。

意义与主张
本文声称，拉普拉斯变换技术通过推导出的解析表达式的简洁性提供了独特的优势。这些公式能够重现更复杂的数值计算和其他解析方法的主要特征。

作者断言，他们的方法为提取的胶子密度提供了“正确的行为”，并展示了与既定参数化组的可比性。该工作被呈现为对胶子动力学的进一步研究，提供了一种可能影响当前 LHC 测量并为未来设施做准备的工具。作者在范围上保持谦逊，指出微扰展开的限制将$t$值的范围限制在接近起始尺度$t_0$，但他们认为这种限制对于硬尺度来说并不非常强。他们还承认，在非常大的横向动量或软区域出现的差异分别源于 QCD 演化假设的差异和软区域建模的差异。

研究结论认为，所发展的拉普拉斯变换技术适用于小$x$QCD 过程，且他们的简单公式与更复杂的考量之间的一致性对于未来更详细的研究“非常有希望”。