[논문 리뷰] flavio: a Python package for flavour and precision phenomenology in the Standard Model and beyond

David M. Straub|arXiv (Cornell University)|2018. 10. 18.

Computational Physics and Python Applications인용 수 88

한 줄 요약

Flavio는 flavour 및 정밀 현상학을 위한 오픈 소스 Python 도구키트로, SM 및 NP 예측, 측정 데이터베이스, 그리고 EFT 분석을 위한 유연한 가능도 프레임워크를 제공합니다.

ABSTRACT

flavio is an open source tool for phenomenological analyses in flavour physics and other precision observables in the Standard Model and beyond. It consists of a library to compute predictions for a plethora of observables in quark and lepton flavour physics and electroweak precision tests, a database of experimental measurements of these observables, a statistics package that allows to construct Bayesian and frequentist likelihoods, and of convenient plotting and visualization routines. New physics effects are parameterised as Wilson coefficients of dimension-six operators in the weak effective theory below the electroweak scale or the Standard Model EFT above it. At present, observables implemented include numerous rare $B$ decays (including angular observables of exclusive decays, lepton flavour and lepton universality violating $B$ decays), meson-antimeson mixing observables in the $B_{d,s}$, $K$, and $D$ systems, tree-level semi-leptonic $B$, $K$, and $D$ decays (including possible lepton universality violation), rare $K$ decays, lepton flavour violating $\ au$ and $\\mu$ decays, $Z$ pole electroweak precision observables, the neutron electric dipole moment, and anomalous magnetic moments of leptons. Not only central values but also theory uncertainties of all observables can be computed. Input parameters and their uncertainties can be easily modified by the user. Written in Python, the code does not require compilation and can be run in an interactive session. This document gives an overview of the features as of version 1.0 but does not represent a manual. The full documentation of the code can be found in its web site.

연구 동기 및 목표

• SMEFT 및 WET에서 차원-6 Wilson 계수의 함수로 표현된 flavour, EW, 및 정밀 관측값의 라이브러리를 제공한다.
• 실험 측정 데이터베이스와 예측과 데이터 간의 비교 프레임워크를 제공한다.
• 매개변수 추론을 위한 Bayesian 및 빈도주의 가능도를 구성할 수 있도록 한다.
• 관측값과 적합치에 대한 플로팅 및 시각화 유틸리티를 포함한다.
• 새로운 물리 현상을 Wilson 계수로 매핑하고 EFT 기반 분석을 수행하여 NP 연구를 촉진한다.

제안 방법

• 관측값은 SMEFT(EW 규모 위)에서의 Wilson 계수의 함수로 계산되거나 WET( EW 규모 아래)에서 계산된다.
• Renormalization group 진화, 매칭 및 기저 번역은 wilson 패키지와 WCxf 포맷을 통해 처리된다.
• 불확실성은 입력 매개변수의 몬테카를로 샘플링을 통해 SM 예측과 함께 불확실성을 산출하여 정량화된다.
• 일반적인 Likelihood 클래스는 실험 측정값과 이론 예측으로부터 Bayesian 또는 frequentist 추론을 위한 가능도 구성을 가능하게 한다.
• FastLikelihood 접근법은 잡음 매개변수를 효율적으로 주변화하기 위한 가우시안 기반 근사를 제공한다.
• 적합은 MCMC 또는 프로파일링 도구로 수행될 수 있으며, 이론 불확실성에 대한 Bayesian 및 빈도주의 처리 모두를 지원한다.

실험 결과

연구 질문

• RQ1 NP 효과를 SMEFT 및 WET에서 차원-6 Wilson 계수를 사용하여 flavour 관측값에서 매개변수화할 수 있는가?
• RQ2 일관된 EFT 프레임워크 내에서 예측을 대규모 실험 측정값과 체계적으로 어떻게 비교할 수 있는가?
• RQ3 flavour 데이터와 이론 불확실성을 고려하여 Wilson 계수를 추론하기 위한 유연한 통계 프레임워크(Bayesian 또는 frequentist)는 무엇인가?
• RQ4 일관성을 해치지 않으면서 nuisance 매개변수가 있을 때 어떻게 효율적으로 빠른 추론을 수행할 수 있는가?

주요 결과

• flavio는 차원-6 Wilson 계수의 함수로 표현된 flavour 물리학, 전기약 정밀 테스트 및 기타 저에너지 관측값의 대규모 관측값 라이브러리를 제공합니다.
• 실험 측정 데이터베이스와 가능도 구성 모듈을 포함하여 Bayesian 또는 빈도주의 추론을 가능하게 합니다.
• 패키지는 전기약 분야의 상위 또는 하위 스케일에서 Wilson 계수를 통해 NP 효과를 지원하며, RG 진화 및 WCxf/wilson을 통한 기저 변환을 제공합니다.
• 새로운 물리 기여는 Wilson 계수로 표현되며, 기본적으로 NP 계수는 0인 SM에 해당합니다.
• 이 툴킷은 Python으로 구현되어 있으며(컴파일 필요 없음), 확장 용이성, 대화형 사용, 그리고 플로팅과의 통합을 강조합니다.
• Version 1.0은 릴리스 시 사용 가능한 기능을 설명하며, 지속적인 개발과 커뮤니티 기여를 장려합니다.