Correlations in oscillation data and their impact on neutrino mixing models

技术摘要：振荡数据中的相关性及其对中微子混合模型的影响

问题陈述
中微子振荡实验已经高精度地确立了非零中微子质量和味混合的存在。然而，预测特定混合模式（例如基于离散味对称性）的理论模型通常依赖于振荡参数之间的代数关系（求和规则）。传统上，评估这些模型可行性的方法是将模型的预测与来自全局拟合的独立 1D 或 2D 振荡参数置信区间进行比较。作者认为这种方法存在缺陷，因为它忽略了实验数据中所编码的真实多维相关性。将参数视为独立的做法可能会导致过于乐观的模型可行性结论，即接受了一些在考虑相关性后实际上并不受支持的参数组合，或者错误地拒绝了可行的组合。此外，完整的相关信息（高达 6D）并未以可直接用于测试任意理论关系的格式公开提供。

方法论
为了解决公开获取的全维度相关数据不足的问题，作者开发了一种方法，仅利用 NuFIT 全局拟合（版本 6.0 和 6.1）中现有的 2D 和 3D 相关数据集，来重建一个六维（6D）$\chi^2$ 函数的保守估计值，记作 $\tilde{\chi}^2$。

1. 相关性重建： 作者利用了 NuFIT 数据，该数据提供了所有参数对的 2D 相关轮廓以及针对每种质量排序的特定 3D 轮廓。他们采用一种递归方法将这些低维数据集扩展到更高维度：

   • 扩展 ($\chi^2_{ext}$)： 为了构建 $n$ 个变量的 $\chi^2$，他们取所有规模为 $n-1$ 的缩减子系统的最大 $\chi^2$ 值（公式 3）。这确保了构建的 $\tilde{\chi}^2$ 是真实 $\chi^2$ 的下界，从而避免了对模型的无理排除。
   • 归约 ($\chi^2_{red}$)： 为了将高维 $\chi^2$ 函数投影到低维，他们在不需要的参数上进行最小化（公式 6）。
   • 通过结合这些操作，他们可以使用仅有的 2D 和 3D 数据来评估任何六个振荡参数（$\theta_{12}, \theta_{13}, \theta_{23}, \delta_{CP}, \Delta m^2_{21}, |\Delta m^2_{3\ell}|$）的子集的 $\tilde{\chi}^2$。

2. 模型测试框架： 作者将该框架应用于特定的混合方案，即那些对参数施加代数关系的方案。对于给定的模型，参数受到模型求和规则的约束。作者随后评估满足这些关系的点的 $\tilde{\chi}^2$。如果 $\tilde{\chi}^2 \leq 9$（对应于 1 个自由度的 $3\sigma$ 水平），则认为该模型是可行的。其最小值 $\tilde{\chi}^2_{min}$ 决定了模型所能达到的最佳一致性。

3. 实现： 作者提供了一个包含插值相关函数及扩展/归约公式实现的 Mathematica 笔记本，以方便社区使用。

主要结果
该框架被应用于几种混合方案：三极大混合（TM1, TM2）以及部分 $\mu-\tau$ 反射对称性（$\mu_1-\tau_1, \mu_2-\tau_2$）。

• 相关性的影响： 与使用不相关 1D/2D 区间的分析相比，纳入全相关性显著缩小了允许的参数区域。例如，在 $\theta_{13}$-$\theta_{12}$ 平面中，当包含相关性时，TM2 的允许区域大幅缩小。
• 模型可行性 (NuFIT 6.0)：
  • TM2： 表现较差，正质量排序 (NO) 和反质量排序 (IO) 的 $\tilde{\chi}^2_{min}$ 均为 8.1。
  • TM1： 表现较好，NO 为 2.8，IO 为 0.9。
  • $\mu-\tau$ 对称性： $\mu_1-\tau_1$ 方案在 IO 下表现出最佳拟合（$\tilde{\chi}^2_{min} = 0.1$）。
• JUNO 数据的影响 (NuFIT 6.1)： 纳入 JUNO 数据（提高了对 $\theta_{12}$ 和 $\Delta m^2_{21}$ 的精密测量）进一步收紧了约束。
  • TM2 被排除： 在 NuFIT 6.1 下，TM2 在两种排序下均在 $>3\sigma$ 置信度水平下被排除（$\tilde{\chi}^2_{min} \approx 21.4$）。
  • $\mu_1-\tau_1$ 的偏好： $\mu_1-\tau_1$ 方案在 IO 下仍是最佳拟合，其 $\tilde{\chi}^2_{min}$ 轻微下降至 0.12。
• 有效质量： 尊重相关性的约束显著缩小了氚 $\beta$ 衰变中的有效中微子质量（$m_\beta$）和无中微子双 $\beta$ 衰变（$m_{\beta\beta}$）的允许范围。这种减少在 NO 以及低最轻中微子质量（$m_0$）下的 TM1/TM2 方案中最为明显。
• 参数偏移： 该方法揭示了 $\delta_{CP}$ 和 $\theta_{12}$ 等参数的最佳拟合值的偏移以及更窄的 $3\tilde{\sigma}$ 范围，特别是对于 $\theta_{12}$-$\theta_{13}$ 关系受到新数据强烈约束的 TM2 而言。

意义与主张
论文声称其主要贡献是一种实用的、数据驱动的方法，通过从现有的部分数据中重建完整的多维相关性，从而能够严格测试理论混合方案，而无需假设参数的独立性。

• 保守估计： 构建的 $\tilde{\chi}^2$ 提供了真实 $\chi^2$ 的保守下界，确保了可行的模型不会因近似误差而被排除。
• 模型无关性： 该方法不依赖于特定模型；它可以测试任何预测一组振荡参数之间存在代数关系的理论框架。
• 精密时代之必要性： 作者认为，随着实验精度的提高（例如 DUNE, T2HK, JUNO），考虑这些相关性变得至关重要。他们证明了完整的相关结构可以将一个模型从边缘兼容转变为排除（如 TM2 所示），而这在标准的 1D/2D 分析中会被忽略。
• 社区资源： 通过提供代码和插值函数，作者旨在使社区能够针对全局拟合的完整相关结构来测试任意的求和规则和模型。

论文结论指出，虽然 $\mu_1-\tau_1$（在 IO 下）和 TM1 仍与当前数据兼容，但 TM2 方案受到了强烈质疑，这凸显了参数相关性在区分竞争性中微子味理论模型中的关键作用。