Statistical sensitivity of neutrinoless double-beta decay exchange mechanism discrimination by tracking experiments

本文表明，追踪实验仅利用少量良好重建的事件，即便在存在现实重建不确定性的情况下，也能以高统计显著性有效区分不同的无中微子双贝塔衰变交换机制，从而验证了继续为发现级实验研发追踪探测器的价值。

要点

想象你是一名侦探，正在试图解开一个谜团：谁是罪犯？在粒子物理学中，“犯罪”是一种被称为“无中微子双贝塔衰变”的罕见事件。这是一种原子自发改变其身份的过程，会发射出两个电子，而不发射任何其他粒子。

数十年来，科学家们一直在搜寻这一事件。如果他们发现了它，就证明了一条宇宙基本法则（即物质与反物质必须成对产生）被打破了。但发现该事件只是第一步。真正的问题是：是什么导致了它？

三位嫌疑人

这篇论文提出，有三种主要的“嫌疑人”（理论）可以解释这种衰变：

1. “轻中微子”（嫌疑人 A）：衰变是由一种被称为中微子的微小、幽灵般的粒子作为信使引起的。
2. “右手流”（嫌疑人 B）：衰变是由一种新的奇异力引起的，粒子以特定的“右手性”方式相互作用。
3. “左手流”（嫌疑人 C）：衰变是由另一种涉及“左手性”相互作用的奇异力引起的。

每位嫌疑人在犯罪现场都会留下不同的“指纹”。具体来说，它们会在以下方面留下不同的模式：

• 每个电子携带的能量有多少。
• 两个电子飞散的角度（就像两辆车相撞后向不同方向飞散）。

旧信念与新发现

旧信念：
科学家此前认为，要区分这些嫌疑人，你需要捕获数千个此类事件。他们相信需要海量数据（高统计量）才能看清指纹中微妙的差异。这就像试图仅通过看一封信来辨认嫌疑人的笔迹；你需要整部小说才能确定。

新发现：
这篇论文认为旧信念是错误的。这三位嫌疑人的指纹截然不同，以至于你不需要整部小说。你只需要** handful 页纸**（少量内容）。

• “顿悟”时刻： 如果“轻中微子”是罪魁祸首，电子会以非常特定的方式飞散（主要是背对背）。如果“嫌疑人 B"是罪魁祸首，它们会朝同一方向飞散。
• 结果： 作者表明，如果你只捕获3 到 4 个事件，就已经可以相当确定（68% 置信度）哪位嫌疑人有罪。如果你捕获约10 个事件，你几乎可以确定（99.7% 置信度）。即使使用现实中“模糊”的探测器，你也只需要约25 个事件就能确定。

侦探的工具（径迹探测器）

要看到这些指纹，你需要一种特殊的相机，称为径迹探测器。把它想象成一个高科技的三维动作捕捉系统。

• 工作原理： 这种相机不仅仅是看到一道闪光，而是追踪每个电子穿过气体时的确切路径。它记录它们的能量和飞行角度。
• 挑战： 现实中的相机并不完美。它们存在“噪声”和“模糊”（就像一扇雾蒙蒙的窗户）。作者模拟了一台现实世界的相机（高压气体室），并使用一个智能计算机程序（一种名为 ParticleNet 的人工智能）来清理模糊的图像并重建路径。
• 结果： 即使面对现实探测器那“雾蒙蒙的窗户”，人工智能仍然能够清晰地区分这三位嫌疑人。“模糊”并没有毁掉案件；它只是需要更多的证人（事件）来确保万无一失。

核心结论

这篇论文得出结论：我们不需要等待拥有数百万个事件的庞大未来实验来解决这个谜团。

如果一个“发现级”实验（专为发现该事件而设计的实验）发现了哪怕一小撮此类衰变，我们可以立即利用径迹技术来确定是哪种物理机制在起作用。我们不需要等待“完美”的未来；我们目前拥有（或正在建造）的工具已经足够强大，仅凭几条线索就能破案。

简而言之： 当三位嫌疑人看起来完全不同时，你不需要一图书馆的证据来指认罪犯。几张快照就足以抓住罪魁祸首。

技术摘要

技术摘要：径迹探测器对无中微子双贝塔衰变交换机制区分的统计灵敏度

问题陈述
无中微子双贝塔衰变（$0\nu\beta\beta$）的发现将证实轻子数破坏，并可能揭示中微子的马约拉纳性质。然而，仅凭衰变率的观测无法区分标准轻中微子交换机制与替代的超出标准模型（BSM）交换机制（例如短程相互作用或右手流）。尽管先前的共识认为区分这些机制需要依赖未来遥远的高统计量实验，但本文挑战了这一假设。它研究了利用能够测量单个电子能量（$E_1, E_2$）及其张角（$\theta$）的径迹探测器，是否仅需少量重建事件即可在统计上区分相互竞争的交换机制。

方法论
作者采用基于多重简单假设的奈曼（Neyman）构建的统计框架来评估区分能力。

1. 假设定义：基于有效场论算符定义了三种不同的运动学假设：

   • $H_\nu$：由轻马约拉纳中微子交换主导（左手流）。预测电子能量 $E_1$ 在 $Q_{\beta\beta}/2$ 附近达到峰值，且发射方向背对背（$\cos\theta \approx -1$）。
   • $H_\lambda$：由耦合至右手轻子流的右手强子流主导。预测 $E_1$ 呈双峰分布，且发射方向共线（$\cos\theta \approx 1$）。
   • $H_\eta$：由耦合至右手轻子流的左手强子流主导。预测 $E_1$ 在 $Q_{\beta\beta}/2$ 附近达到峰值，但发射方向共线。

2. 理想情况分析：研究首先模拟了一个具有完美径迹重建且背景为零的理想探测器。利用 $\nu$DoBe 工具，生成了 $E_1$ 和 $\cos\theta$ 的联合概率分布。区分能力使用二维参数空间（$t_{\lambda\nu}$ 与 $t_{\eta\nu}$）中的似然比（$t_{jk} = -2 \ln(L_j/L_k)$）进行量化。

3. 真实探测器模拟：为了考虑实验限制，作者使用 Geant4 和 REST 框架模拟了类似于 PandaX-III 配置的高压气体时间投影室（TPC）（140 kg $^{136}$Xe，10 bar）。

   • 重建：电子径迹使用在点云数据上运行的图神经网络（ParticleNet）进行重建。该网络利用已知的衰变顶点（假设通过钡标记等辅助技术获得），预测最大电子能量（$E_{\max}$）和张角（$\cos\theta$）。
   • 效应：模拟包含了电子扩散、空间分辨率（1 mm 像素）和能量分辨率（在 $Q$ 值处为 1% FWHM）。

主要贡献与结果

• 低事件量区分：与认为高统计量是强制性的普遍观点相反，研究表明即使事件极少，也存在显著的区分能力。
  • 理想情况：仅需少量重建良好的事件即可实现 $1\sigma$ 水平的区分。$3\sigma$ 发现灵敏度（定义为正确识别单一主导机制的概率大于 50%）仅需约 10 个事件。在罕见情况下，如果单个事件的运动学特征与替代假设高度不同，单个事件就足以支持 $3\sigma$ 的声称。
  • 实际情况：当在气体 TPC 中纳入探测器模糊和重建不确定性时，达到 $3\sigma$ 灵敏度所需的事件数增加至约 25 个。尽管有所增加，区分能力依然显著。
• 假设特异性灵敏度：研究发现，$H_\lambda$ 假设（右手流）最容易区分，在纳入探测器效应后，其发现概率的退化最小。$H_\nu$ 和 $H_\eta$ 假设彼此较难区分，因为它们具有相似的能量分布，主要区别在于角分布，而角分布更容易受到重建模糊的影响。
• 技术验证：利用 ParticleNet 从 TPC 点云中重建运动学观测量，成功保留了微分相空间的主要特征，验证了在此背景下使用机器学习进行拓扑重建的可行性。

意义与主张
本文结论指出，即使对于仅预期有少量信号计数的“发现级”实验，追求用于交换机制区分的径迹探测器也是有价值的。作者断言，机制识别并非未来大规模高统计量实验的专属任务，而是当前或近期径迹技术（如高压气体 TPC 或 SuperNEMO 等径迹量热器）可能触及的范围。

作者强调，虽然核矩阵元的不确定性困扰着不同同位素间的半衰期比较，但衰变运动学主要由交换流的螺旋度决定。因此，即使事件数量有限，径迹实验也能提供对基础物理的稳健检验，区分标准轻中微子交换与奇特的 BSM 机制。这项工作表明，关于径迹探测器在获得高统计量数据之前无法检验机制的“悲观”情绪是缺乏根据的。