[논문 리뷰] Parton Distribution Functions properties of the statistical model

C. Bourrely|arXiv (Cornell University)|2015. 07. 14.

Particle physics theoretical and experimental studies참고 문헌 12인용 수 3

한 줄 요약

이 논문은 열역학적 잠재력과 엔트로피 최대화에서 유도된 통계적 모델을 제안하여, 부분입자 분포 함수(PDFs)의 성질을 물리적 기초로 제공한다. PDFs를 헬리시티에 의존하는 파울리-디랙 또는 보즈-아인슈타인 분포로 모델링하고, 신경망 유사 활성화 함수를 도입함으로써, 스핀 분포 PDF의 부호와 크기를 자연스럽게 설명한다. 실험 데이터에 대한 피팅 결과는 χ²/d.o.f. = 1.18를 기록하며, 쿼크 상태와 구조 함수에 대해 최대 엔트로피 상태임을 확인한다.

ABSTRACT

We show that the parton distribution functions (PDF) described by the statistical model have very interesting physical properties which help to understand the structure of partons. The role of the quark helicity components is emphasized as they represent the building blocks of the PDF. In the model the sign of the polarized quarks PDF comes out in a quite natural way once the thermodynamical potentials with a given helicity are known. Introducing the concept of entropy we study the states madeof |2u + d >, |u +d +s > and $|2\bar u +\bar d >$, for a fixed Q^2, the variation with x shows that the first state has a dominant entropy due to the effect of u quark. We prove that the PDF parameters obtained from experiments give in fact an optimal solution of an entropy equation subject to constraints. We develop a new approach of the polarized gluon density based on a neural model which explains its property, in particular, a large positivity value and an agreement with the positvity constraint. An extension of this neural approach is applied to quarks giving a coherent description of the partons structure.

연구 동기 및 목표

• 비스핀된 및 스핀된 부분입자 분포 함수(PDFs)의 매개변수에 대해 수치적 피팅을 넘어서 물리적 설명을 제공하는 것.
• 열역학적 잠재력에 기반한 통일된 통계적 프레임워크에서 비스핀된 및 스핀된 PDFs를 동일한 기초에서 유도함으로써 통합적인 접근을 제공하는 것.
• 실험적 PDF 매개변수들이 물리적 제약 조건 하에서 최대 엔트로피 상태에 해당함을 보여주어 현상학적 기법과 통계역학을 연결하는 것.
• 스핀된 글루온 밀도를 설명하기 위해 신경망 유사 모델을 개발하여 그 큰 양성과 양성 제약 조건과의 일치를 설명하는 것.
• 신경망 모델을 글루온에서 쿼크로 확장하여, 모든 PDF 유형에 대해 일관되고 물리적으로 타당한 부분입자 구조의 통합적 기술을 제공하는 것.

제안 방법

• 열역학적 잠재력 $X^{ ho}$ 와 일반적인 온도 $ar{x}$ 를 갖는 스핀에 의존하는 파울리-디랙 분포를 사용하여 스핀된 쿼크 PDFs를 구성한다.
• 특히 작은-$x$ 기여를 억제하는 데 중점을 두고, 신경망 유사 활성화 함수 $S_i(x) = \frac{1}{1 + e^{-e_i x + h_i}}$ 를 도입하여 PDF 행동을 조절한다.
• NLO 수준에서 전역적인 비스핀된 및 스핀된 깊은 비탄성 산란 데이터에 모델을 피팅하여 $\chi^2/\text{d.o.f.} = 1.18$ 를 달성한다.
• 쿼크 상태인 $|2u+d\rangle$ 와 $|u+d+s\rangle$ 의 엔트로피를 유도하여, 피팅된 PDF 매개변수가 제약 조건 하에서 엔트로피를 최대화함을 보여준다.
• 동일한 최대 엔트로피 원리를 구조 함수 $F^2_p$ 와 $g^1_p$ 에 적용하여 그 최적성과 최적 상태임을 증명한다.
• 스핀된 글루온 밀도 $x\Delta G(x)$ 를 신경망 활성화 함수로 모델링하여 그 큰 양성과 물리적 일관성을 설명한다.

실험 결과

연구 질문

• RQ1 부분입자 분포 함수의 매개변수는 통계적 모델에서 최대 엔트로피 원리로부터 유도될 수 있는가?
• RQ2 쿼크에 대한 열역학적 잠재력 $X^{\pm}$ 는 스핀된 PDF의 부호와 크기를 물리적으로 일관되게 결정하는가?
• RQ3 신경망 유사 활성화 함수는 기존의 매개변수화 방식보다 스핀된 글루온 밀도에 대해 더 물리적으로 타당한 기술을 제공할 수 있는가?
• RQ4 동일한 최대 엔트로피 원리는 쿼크 상태뿐 아니라 관측된 구조 함수 $F^2_p$ 와 $g^1_p$ 에도 적용되는가?
• RQ5 통일된 신경망 모델 프레임워크를 글루온에서 쿼크로 확장하여, 모든 부분입자 분포에 대해 일관되고 물리적으로 타당한 기술을 제공할 수 있는가?

주요 결과

• 피팅된 PDF 매개변수는 쿼크 상태 $|2u+d\rangle$ 와 $|u+d+s\rangle$ 에 대해 최대 엔트로피 상태에 해당하며, $X_u^+ = 0.540 \pm 0.0014$ 로 높은 잠재력을 갖는 $u$ 쿼크가 엔트로피의 주요 기여를 한다.
• 실험 데이터에 대한 피팅 결과는 $\chi^2/\text{d.o.f.} = 2506/2128 = 1.18$ 로 나타나 측정치와 높은 일치도를 보이며, 높은 일관성을 확인한다.
• 스핀된 쿼크 PDF의 부호는 스핀에 의존하는 열역학적 잠재력에서 자연스럽게 유도되며, $X_u^+ > X_u^-$ 를 통해 $\Delta u$ 가 양성임을 보장한다.
• 스핀된 글루온 밀도에 대한 신경망 모델은 그 큰 양성과 양성 제약 조건을 만족시키며, 매개변수화의 임의성을 제거한다.
• 활성화 함수 매개변수는 전역 피팅을 통해 결정되었으며, $e_u = 27.16 \pm 1.3$, $h_u = 0.7$ (고정) 로 설정되었으며, $S_q(x)$ 는 관측된 PDF 크기와 일치하는 응답의 계층적 구조를 보여준다.
• 신경망 모델을 쿼크로 확장하면 비스핀된 및 스핀된 PDF를 일관되고 통합적으로 기술할 수 있으며, 높은 $e_i$ 값을 갖는 $u$ 및 $d$ 쿼크가 가장 강한 반응을 보여 최대 기여를 한다.