Unbiased Data-Driven Determination of the Nuclear Dipole Amplitude in the Color Glass Condensate

技术摘要：色玻璃凝聚态中无偏数据驱动的核偶极振幅确定

问题陈述
在量子色动力学（QCD）的高能极限下，小 Bjorken-$x$ 处部分子密度的增长受到胶子饱和的抑制，从而进入色玻璃凝聚态（CGC）机制。虽然饱和标度 $Q_s(x)$ 随核质量数 $A$ 增长（$Q_s^2 \propto A^{1/3}$），但历史上对核胶子偶极振幅的定量提取一直依赖于参数化的初始条件。这些假设引入了不可控的模型依赖性，特别是在核轮廓（nuclear profile）和初始振幅的函数形式方面。因此，提取出的核饱和标度在文献中存在巨大差异，这掩盖了真实的核效应，并阻碍了将核数据作为饱和物理精密探测手段的应用。此外，现有的针对质子的提取研究在使用标准参数化时，难以解决动量空间正定性（positivity）违背的问题。

方法论
作者引入了一种物理信息神经网络（PINN）框架，用于在不假设初始条件函数形式的情况下，确定 $^{208}\text{Pb}$ 的影响参数平均核偶极振幅 $N(r, x)$。

• 物理信息架构： 偶极振幅由神经网络 $N_\theta(r, Y)$ 表示，其中 $Y = \ln(1/x)$。该网络通过在损失函数中直接满足共线改进的 Balitsky-Kovchegov (ciBK) 演化方程进行训练，而非在拟合循环中迭代求解该方程。这确保了提取出的振幅严格遵守 QCD 演化动力学。
• 训练约束： 训练目标是最小化包含以下内容的总损失函数 $L_{tot}$：
  • ciBK 演化损失： 利用自动微分和可微求积对 ciBK 方程的残差进行惩罚。
  • 观测值损失： 利用实验数据对网络进行约束，具体包括前向强子产生中的核修正因子 $R_{p\text{Pb}}$ 以及超外围 Pb-Pb 碰撞中的相干 $J/\psi$ 光致产生截面。该框架利用异方差高斯损失来处理实验不确定性和学习到的数据相关方差。
  • 物理正则化： 在大偶极尺寸处强制执行黑盘极限（black-disk limit）、在动量空间中强制执行傅里叶正定性，并对小 $r$ 处的反常维度（anomalous dimension）设置边界。
• 优化： 网络采用梯度校准程序来平衡不同损失组件（演化、数据和物理约束）的权重。通过深度集成（deep ensembles）实现不确定性量化，从而区分数据相关不确定性和模型相关不确定性。
• 数据输入： 分析利用了 LHCb 在 $\sqrt{s_{NN}} = 5.02$ TeV 下的 $R_{p\text{Pb}}$ 测量数据，以及来自 ALICE、CMS、ATLAS 和 LHCb 的相干 $J/\psi$ 光致产生数据。

关键结果

• Pb 振幅的提取： 该框架成功提取了起始标度 $x_0 = 0.01$ 处的 $^{208}\text{Pb}$ 偶极振幅。演化后的振幅在整个可用运动学范围内重现了测量的 $R_{p\text{Pb}}$ 和相干 $J/\psi$ 截面。
• 饱和标度比率： 提取的影响参数平均初始饱和标度比值 $Q_{s0,\text{Pb}}^2 / Q_{s0,p}^2 = 3.17^{+0.17}_{-0.10}$。该值与简单的几何标度估计（$A S_{\perp,p} / S_{\perp,A}$）一致，但约高出 20%，反映了重核中预期的更高色荷密度。
• 初始条件形式： 与质子情况不同（在质子情况下发现 MV 型参数化不足），提取的 Pb 初始条件可以很好地由 MV 型函数形式描述。这自然地从数据驱动拟合中涌现，验证了对于大核的高斯源近似（Gaussian-source approximation）。
• 动量空间正定性： 提取的振幅在整个演化过程中保持了动量空间的正定性，解决了以往参数化拟合中的已知问题。
• 预测能力： 使用相同的提取振幅，作者预测了 $pp$、$p\text{Pb}$和$\text{Pb}p$碰撞中横动量比值$\langle p_T \rangle / \langle p_T \rangle(\eta_0)$ 的快度依赖性。其预测与近期 LHCb 在低多重度机制下的测量结果一致，且未引入系统相关的参数。在高多重度下的偏差归因于超出初始态偶极框架范围的末态效应。
• 泛化性： 作者提供了一种物理动机驱动的插值方案，基于提取的质子和 Pb 不透明度来构建中间质量数核（如 $^{12}\text{C}$、$^{16}\text{O}$、$^{197}\text{Au}$）的初始条件，为未来的小 $x$ 唯象学提供了基准输入。

意义与主张
本文声称提供了首次无偏、数据驱动的核偶极振幅确定。通过将非线性 ciBK 演化方程直接嵌入机器学习训练目标中，这项工作消除了与预定义核初始条件函数形式相关的持久偏差来源。

作者断言，该策略建立了一种提取受动力学约束的可观测量的通用方法。研究结果为几何标度论证提供了模型无关的定量检验，并为解释 LHC 和 RHIC 的前向粒子产生以及未来的电子-离子碰撞器（EIC）测量提供了稳健的基础。这项工作证明，QCD 演化与实验数据的相互作用可以唯一地确定饱和机制下的核结构，消除了以往在比较不同核物种的饱和预测时存在的歧义。