[논문 리뷰] The Power of Genetic Algorithms: what remains of the pMSSM?

Steven Abel, D. G. Cerdeño외 1명|arXiv (Cornell University)|2018. 05. 09.

Particle physics theoretical and experimental studies참고 문헌 64인용 수 15

한 줄 요약

이 논문은 유전적 알고리즘(GAs)이 19차원 현상학적 MSSM(pMSSM)에서 실험적 제약 조건의 호환성을 효율적으로 진단할 수 있음을 보여주며, 뮤온 이론적 자기모멘트와 페르미-LAT 은하중심 감마선 과잉을 동시에 설명할 수 없음을 규명한다. GAs는 약 10⁴번의 모델 평가로 최적의 피팅 점을 도출하며, MCMC보다 수개의 주기 빠르게 작동한다. 각각의 χ² 기여도는 약 12와 약 155로 나타나, 높은 자유도를 가진 pMSSM 모델이 이 관측 결과들에 의해 반증됨을 시사한다.

ABSTRACT

Genetic Algorithms (GAs) are explored as a tool for probing new physics with high dimensionality. We study the 19-dimensional pMSSM, including experimental constraints from all sources and assessing the consistency of potential signals of new physics. We show that GAs excel at making a fast and accurate diagnosis of the cross-compatibility of a set of experimental constraints in such high dimensional models. In the case of the pMSSM, it is found that only ${\cal O}(10^4)$ model evaluations are required to obtain a best fit point in agreement with much more costly MCMC scans. This efficiency allows higher dimensional models to be falsified, and patterns in the spectrum identified, orders of magnitude more quickly. As examples of falsification, we consider the muon anomalous magnetic moment, and the Galactic Centre gamma-ray excess observed by Fermi-LAT, which could in principle be explained in terms of neutralino dark matter. We show that both observables cannot be explained within the pMSSM, and that they provide the leading contribution to the total goodness of the fit, with $χ^2_{δa_μ^{\mathrm{SUSY}}}\approx12$ and $χ^2_{ m GCE}\approx 155$, respectively.

연구 동기 및 목표

• LHC, LEP, 플랑크, 저에너지 관측 결과를 포함한 다수의 고차원 실험 제약 조건과 pMSSM의 호환성을 평가하는 것.
• pMSSM가 뮤온 이론적 자기모멘트와 페르미-LAT 은하중심 감마선 과잉을 동시에 수용할 수 있는지 조사하는 것.
• 기존의 스캐닝 및 MCMC 방법으로는 비가능한 고차원 모델 탐색에서 유전적 알고리즘(GAs)의 효율성과 진단 능력을 평가하는 것.
• pMSSM에서 나쁜 피팅을 유도하는 주요 관측 결과를 특정하고, 이러한 이상 현상들을 조화시킬 수 있는 타당한 매개변수 영역이 존재하는지 확인하는 것.
• GAs가 체계적인 샘플링 없이도 고차원 매개변수 공간에서 모델의 일관성 여부를 신속하게 진단하고 이론을 반증할 수 있음을 보여주는 것.

제안 방법

• 유전적 알고리즘(GAs)을 사용해 pMSSM 모델의 집단을 차세대에 걸쳐 진화시키며, 총 χ²의 역수를 적합도 함수로 삼아 선택을 유도하는 방식.
• pMSSM의 19개 기본 매개변수와 4개의 부수적 매개변수를 포함한 검색 공간을 정의하고, LHC, LEP, 플랑크, 저에너지 관측 결과를 포함한 모든 실험 제약 조건을 통합.
• 크로스오버와 돌연변이 연산자를 사용해 비선형적으로 매개변수 공간을 탐색함으로써, 복잡하고 다중 최적점이 존재하는 적합도 표면을 효율적으로 탐색.
• GA 결과를 MCMC 스캔과 비교해 효율성과 정확도를 검증하며, 평균적으로 평가 수가 약 10⁴번인 GA가 평탄한 스캔에 비해 약 10⁷번의 평가를 요구하는 MCMC와 유사한 최적 피팅 점을 도출함을 보여줌.
• 세대 간 핵심 매개변수(예: 중성미온 질량, 스토퍼 질량, 힉스 섹터)의 변화를 추적하여 적합도 표면의 패턴과 수렴성을 식별.
• 개별 관측 결과(예: δaμ, GCE)가 총 χ²에 기여하는 정도를 정량화해 pMSSM와 가장 호환되지 않는 관측 결과를 진단.

실험 결과

연구 질문

• RQ1 pMSSM는 관측된 뮤온 이론적 자기모멘트와 페르미-LAT 은하중심 감마선 과잉을 동시에 수용할 수 있는가?
• RQ2 기존의 MCMC나 평탄한 스캔 방법에 비해, 유전적 알고리즘(GAs)이 19차원 pMSSM에서 최적 피팅 점을 얼마나 효율적으로 찾을 수 있는가?
• RQ3 pMSSM에서 χ²를 주도하는 실험 관측 결과는 무엇이며, 이는 모델의 타당성에 어떤 함의를 갖는가?
• RQ4 pMSSM의 매개변수 공간에 뮤온 g-2 이상 현상에 대해 크게 기여하지 않으면서도 다른 관측 결과의 피팅을 심각하게 악화시키지 않는 타당한 영역이 존재하는가?
• RQ5 고차원이며 다중 제약 조건이 존재하는 BSM 이론에서 GAs가 신뢰할 수 있고 빠르게 모델 호환성을 진단할 수 있는 정도는 어느 정도인가?

주요 결과

• pMSSM는 뮤온 이론적 자기모멘트와 페르미-LAT 은하중심 감마선 과잉을 동시에 설명할 수 없으며, 각각 χ² 기여도는 약 12와 약 155이다.
• 유전적 알고리즘(GAs)은 약 10⁴번의 모델 평가로 pMSSM의 최적 피팅 점을 도출하며, MCMC와 유사한 결과를 내놓지만, MCMC보다 수개의 주기 빠르게 작동한다.
• 최적 피팅 모델에서 중성미온은 위노 유형으로서 질량 약 2 TeV이며, 거의 딜로이드된 치아린과의 공멸로 안정화되어 있으며, 잔류 밀도도 정확히 재현된다.
• 스톱 섹터는 가벼운 질량을 예측하며, m~t₁ ≈ 2.3 TeV로 나타나지만, 글루아진 질량은 무거운 m~g > 5 TeV로 나타나, 스플릿 스펙트럼 초대칭(SUSY) 시나리오를 반영한다.
• 힉스 질량과 중성미온 잔류 밀도가 GA 진화를 주도하는 주요 제약 조건으로 작용하여 최종 매개변수 구성의 형태를 결정짓는다.
• muon g-2와 GCE 이상 현상에 대해 χ²를 크게 감소시킬 수 있는 pMSSM 매개변수 공간의 타당한 영역은 발견되지 않았으며, 이는 이 관측 결과들에 의해 모델가 반증됨을 시사한다.