Light Antinuclei Coalescence: Femtoscopic Constraints via Neural-Flow Surrogates

技术摘要：轻反核凝聚：通过神经流代理实现费米尺度约束

问题陈述
精确预测宇宙线反核通量对于间接暗物质搜寻至关重要，因为在低动能区间，暗物质湮灭或衰变预计会使反核通量增强 10–1000 倍。然而，建立明确的暗物质信号需要对标准模型次级背景进行精确理解。目前的反核产生率预测存在显著的系统不确定性（对于氘核为 10–100 倍，对于氚/氦-3 为 1000 倍）。这些不确定性源于缺乏在相关低多重度能量（300 GeV 动能）下约束反核产生机制的直接数据，以及对核形成处理方式的近似依赖，例如使用 $\pi$-$\pi$ 相关性作为质子-中子源的代理。

方法论
作者提出了一个数据驱动的框架，用于约束费米尺度发射源并降低基于凝聚（coalescence）的反核产生率的不确定性。该方法包含三个核心组件：

1. 数据驱动的源外推： 该框架利用了经验标度律，即发射源受事件多重度和横向质量 ($m_T$) 控制，而非碰撞能量。通过利用来自 ALICE 实验的高统计量质子-质子 ($p$-$p$) 费米尺度相关函数数据（涵盖 $\sqrt{s} = 13$ 和 13.6 TeV 下四个多重度类别的 49 个相关函数），作者将源模型向下外推至与宇宙线相关的低多重度区域。
2. 神经流（Neural-Flow）代理： 为了克服通过直接模拟使用 CATS 中的共同发射模型（CECA）来同时拟合 49 个相关函数的计算不可行性，作者采用了条件归一化流（NF）代理。这种可微神经网络学习了在简单潜分布与由 CECE 生成的具有共振变形的复杂发射几何之间的可逆变换。该代理将 CECA 参数（$r_d$, $h$, $\tau$）和局部运动学（$k^*$, $m_T$）映射到源分布 $S(r^*)$，将评估成本降低了两个数量级以上。
3. 凝聚计算： 约束后的源函数被整合到 ToMCCA 模型中，这是一个使用 Wigner 函数形式的快速蒙特卡洛事件生成器。这使得计算反氘和反氚/氦-3 的凝聚参数 $B_2$ 和 $B_3$ 成为可能。该框架考虑了两种波函数假设（N4LO 和 Argonne v18）以评估理论系统误差。

主要贡献

• 代理建模： 开发了一种快速、可微的归一化流代理，能够以亚百分比的保真度模拟 CECA 费米尺度源模型，从而实现对 4 alice $p$-$p$ 相关函数的同步拟合。
• 数据约束的源函数： 生成了跨越 $m_T$–多重度平面的完全数据约束的发射源函数，消除了对未经验证的代理假设（例如使用 $\pi$-$\pi$ 相关性来代表 $p$-$n$ 系统）的需求。
• 不确定性降低： 对凝聚参数进行了严格的定量分析，区分了统计源不确定性与理论波函数系统误差。

结果

• 保真度与拟合： NF 代理以亚百分比的仿真保真度重现了 CECA 模拟。对 49 个 ALICE $p$-$p$ 相关函数的同步拟合得出 $\chi^2/\text{NDF} = 1.39$，证实了该模型捕捉相关源几何（包括共振驱动的非高斯尾部）的能力。
• $B_2$ 不确定性降低： 氘核凝聚参数 $B_2$ 的不确定性从之前的 10–100 倍降低到了百分比量级（具体而言，当 $p_T/A > 0.4$ GeV/c 时，源不确定性降至 <3%，而在较低 $p_T$ 时高达 ~23%）。在计入 ~15% 的波函数系统误差（源于 N4LO 和 Argonne v18 假设之间的偏差）后，总不确定性仍保持在 10–25% 范围内。
• $B_3$ 不确定性降低： 对于氚/氦-3 参数 $B_3$，在测量的运动学范围（$p_T/A \gtrsim 0.4$ GeV/c）内，不确定性从 ~1000 倍降低至约 10%，在低 $p_T$ 外推区域则退化至 ~60%。
• 验证： 预测的 $B_2$ 值与 ALICE 的测量结果在 0.84$\sigma$ 水平上一致，并在估计的不确定性范围内与 NA61/SHINE 的初步数据相符。

意义
本文声称解决了历史上阻碍精确预测宇宙线反核次级背景的标准模型源函数不确定性问题。通过提供一个模块化的、数据驱动的框架，作者为 SMOG@LHCb、CBM@FAIR 和 NA61/SHINE 等正在进行或计划中的实验提供了现实的输入。这些结果为 AMS-02 和 GAPS 等实验所需的反氘和反氦流预测建立了定量控制的基础。此外，NF 代理的可微特性被认为是迈向完全端到端可微推理管线（用于宇宙线物理）的关键一步。