[論文レビュー] Information field based global Bayesian inference of the jet transport coefficient

Man Xie, Weiyao Ke+2 more|arXiv (Cornell University)|Jun 2, 2022

High-Energy Particle Collisions Research被引用数 5

ひとこと要約

本稿は、クォーカー・グルーオン・プラズマにおけるジェット輸送係数 $\hat{q}(T)$ のグローバルなベイズ推論に情報場（IF）手法を導入し、パラメトリックな事前分布に起因する不自然な長距離相関を排除する。RHICおよびLHCの重イオン衝突からのデータに非パラメトリックな関数的事前分布を適用することで、従来の研究と比較して $\hat{q}/T^3$ の $T$-依存性がより強く、より中心的かつ高エネルギーのデータが追加されるに従い、高温領域での制約が次第に厳しくなることが明らかになった。

ABSTRACT

Bayesian statistical inference is a powerful tool for model-data comparisons and extractions of physical parameters that are often unknown functions of system variables. Existing Bayesian analyses often rely on explicit parametrizations of the unknown function. It can introduce long-range correlations that impose fictitious constraints on physical parameters in regions of the variable space that are not probed by the experimental data. We develop an information field (IF) approach to modeling the prior distribution of the unknown function that is free of long-range correlations. We apply the IF approach to the first global Bayesian inference of the jet transport coefficient $\hat q$ as a function of temperature ($T$) from all existing experimental data on single-inclusive hadron, di-hadron and $γ$-hadron spectra in heavy-ion collisions at RHIC and LHC energies. The extracted $\hat q/T^3$ exhibits a strong $T$-dependence as a result of the progressive constraining power when data from more central collisions and at higher colliding energies are incrementally included. The IF method guarantees that the extracted $T$-dependence is not biased by a specific functional form.

研究の動機と目的

• 未知の物理的関数（例：$\hat{q}(T)$）を、事前分布に人工的な長距離相関を導入しない非パラメトリックなベイズフレームワークを構築すること。
• 単一効率ハドロン、二重ハドロン、$\gamma$-ハドロンスぺクトルからのデータを統合して、温度 $T$ の関数としてのジェット輸送係数 $\hat{q}$ の最初のグローバル推論をこのフレームワークに適用すること。
• 高温領域での $\hat{q}$ の制約が、低温データからのパラメトリックな仮定による架空のバイアスを避けるために、高温度領域を直接探査するデータにのみ依存することを保証すること。
• 異なるデータセットが温度空間全体にわたり $\hat{q}(T)$ をどのように制約するかをマッピングする感度分析を可能にすること。
• 広範な $p_{\rm T}$、中央度、衝突エネルギーの範囲で、事後予測が実験データと一致するかを比較することで、手法の妥当性を検証すること。

提案手法

• 情報場（IF）形式を用いて、$\hat{q}(T)$ の事前分布を、離れた $T$ 値間に長距離相関を抑制する共分散構造を持つガウス確率場として表現する。
• ベイズの定理を適用：事後分布 $\propto$ 事前分布 $\times$ 尤度。尤度は、$R_{\rm AA}^{h}$、$I_{\rm AA}^{hh}$、$I_{\rm AA}^{\gamma h}$ スペクトルの理論モデルと実験データの比較から構築される。
• 理論的スペクトルの計算には、媒質修正付きの部分素粒子モデルと、EPPS16からの核子PDF、Kniehl-Kramer-Potterパラメータ化による真空中の分岐関数（FFs）が用いられる。
• 高次元パラメータ空間 $\hat{q}(T)$ の探索を効率的に行うために、モデルエミュレーションが採用され、高速な事後分布サンプリングと不確実性の評価が可能になった。
• IF事前分布は非パラメトリックで柔軟であり、特定の関数形を強制しないため、データが $\hat{q}(T)$ の関数的形を決定する。
• 外側から中心に近い衝突、およびRHICからLHCのエネルギーに至るデータの段階的統合により、$T$ が高くなるに従い制約力がどのように向上するかを追跡可能になった。

実験結果

リサーチクエスチョン

• RQ1 情報場に基づく事前分布は、$\hat{q}(T)$ の事前分布における不自然な長距離相関を排除できるか。特に、低温データが高温領域の制約に歪められないかを保証できるか？
• RQ2 より中心的衝突およびより高い衝突エネルギーからのデータを段階的に統合することで、抽出された $\hat{q}/T^3$ の依存性はどのように変化するか？
• RQ3 IFベースの推論は、先行研究と一貫した $T$-依存性を示すか。その差異はどこに現れるか？
• RQ4 モデルエミュレータの事後予測は、$p_{\rm T}$、中央度、衝突エネルギーの広い範囲で実験データをどれほどよく再現するか？
• RQ5 個々のデータセット（例：$R_{\rm AA}^{h}$、$I_{\rm AA}^{hh}$、$I_{\rm AA}^{\gamma h}$）は、事後分布 $\hat{q}(T)$ にどの程度の感度を示すか？

主な発見

• IFベースのベイズ推論により、特に $T_c$ 近傍で、従来の研究よりも強い温度依存性を示す $\hat{q}/T^3$ が得られた。これは、高温領域のデータによる段階的制約のおかげである。
• 高温領域での $\hat{q}$ の制約は、すべてが中心的衝突および高エネルギーからのデータにのみ起因しており、外側または低エネルギーのデータによる人工的影響は一切ない。
• 95%信用区間における事後分布 $\hat{q}/T^3$ はJETSCAPE結果と整合的であるが、$T_c$ 近傍でより急激な上昇を示しており、高温データへの高い感度が裏付けられた。
• $I_{\rm AA}^{hh}$ および $I_{\rm AA}^{\gamma h}$ データの統合は、実験誤差が大きいことから、不確実性の大幅な低減には寄与しなかった。今後の高精度データの提供が、さらなる改善を可能にする。
• 60%および95%信用区間におけるモデルエミュレータの予測は、$p_{\rm T}$、中央度、衝突エネルギーの広い範囲で実験データをよく再現しており、分析のグローバルな記述的妥当性が確認された。
• IF手法により、$T$ 領域間の事前相関が成功裏に抑制され、物理的制約がデータが感度を持つ領域にのみ導入されることを保証した。これにより、非パラメトリックな利点が妥当性を保証された。