[논문 리뷰] Updated Air-Shower $X_{ m max}$ Moment Parametrizations for UHECR Composition with Latest Hadronic Interaction Models

Carmelo Evoli, Igor Vaiman외 2명|arXiv (Cornell University)|2026. 02. 20.

Astrophysics and Cosmic Phenomena인용 수 0

한 줄 요약

이 논문은 Xmax의 평균 및 분산에 대한 업데이트된 매개변수화와 UHECR 공기쪽 폭발의 전체 Xmax 분포를 설명하기 위한 일반화된 검댑엘(Gumbel) 모델을 제시하며, 세 가지 최신 하드로닉 상호작용 모델을 사용하여 구성 성분 분석을 개선한다.

ABSTRACT

The mass composition of ultra-high-energy cosmic rays (UHECRs) is commonly inferred from the first two moments of the depth of shower maximum, $X_{ m max}$, measured by fluorescence and hybrid detectors. Such analyses require fast and accurate mappings between the moments of $X_{ m max}$ and those of the logarithmic mass, $\ln A$, based on realistic air-shower simulations. In this work we provide updated parametrizations of the $X_{ m max}$ moments and distributions for air showers initiated by nuclei from proton to iron, simulated with CONEX for three state-of-the-art hadronic interaction models: Epos LHC-R, Sibyll 2.3e, and QGSJet-III-01. We parametrize the mean depth $\langle X_{ m max} angle$ and the variance $σ^2(X_{ m max})$ as functions of energy and mass. For the variance we compare a second-order polynomial model with an exponential model. In addition, we model the full $X_{ m max}$ distributions with a three-parameter generalized Gumbel function. The Gumbel parameters are fitted using an unbinned likelihood and are validated by comparing the implied mean and variance with the raw CONEX samples and with the moment parametrizations. Across the full energy range considered, residuals between the parametrizations (or the Gumbel representation) and the simulations are at the level of a few g cm$^{-2}$ for the mean and a few (g cm$^{-2}$)$^2$ for the variance, making these parametrizations suitable for precision UHECR composition studies and forward-folding analyses of $X_{ m max}$ distributions.

연구 동기 및 목표

• Xmax 모멘트를 UHECR 구성 분석을 위한 ln A 모멘트와의 빠르고 정확한 매핑으로 제공한다.
• 다중 하드로닉 상호작용 모델에 걸친 CONEX 시뮬레이션을 사용하여 Xmax 모멘트 매개변수를 업데이트한다.
• 일반화된 Gumbel 함수로 전체 Xmax 분포를 특성화하고 시뮬레이션과의 일치를 검증한다.
• 모델 의존적인 Xmax 관측값의 차이를 평가하여 구성을 추론하는 데 있어 체계적 불확실성을 정량화한다.

제안 방법

• H, He, N, Si, Fe 원시입자에 대해 log10(E/ eV)=17.5–20.5 범위의 각도 60도에서 CONEX 대기샤워 시뮬레이션을 실행한다.
• 에너지와 질량의 함수로 평균 Xmax와 그 분산을 매개화한다(Eq. 4, 분산에 대한 두 가지 옵션: 다항식 Eq. 5 및 지수형 Eq. 6).
• 각 HIM(EPOS LHC-R, Sibyll 2.3e, QGSJet III-01)에 대해 카이제곱 최소화로 매개변수를 피팅하고 잔차를 비교한다.
• 에너 지와 질량에 의존하는 mu, sigma, lambda 매개변수를 갖는 3-매개변수 일반화된 Gumbel 함수(Eq. 20)로 Xmax 분포를 모델링한다(Eqs. 21–23).
• (mu, sigma, lambda)의 물리적 제약과 교모델 검증(Fig. 6–9)을 통해 21개의 계수를 결정하기 위해 비구간 우도 피팅(Eq. 27)을 수행한다.
• 공개 사용을 위해 Zenodo 저장소에 데이터 프로덕트(모멘트 표, 분포 및 매개변수 파일)를 제공한다.]

실험 결과

연구 질문

• RQ1 Xmax 모멘트를 현재의 하드로닉 상호작용 모델에 대해 에너지와 질량의 함수로 매개화할 수 있는가?
• RQ2 Primary 타입과 에너지 전반에 걸친 Xmax 분포의 일반화된 Gumbel 설명의 기능적 형태와 정확도는 무엇인가?
• RQ3 다른 하드로닉 상호작용 모델이 Xmax 평균과 분산에 어떤 영향을 미치며, 이는 UHECR 구성 추론에 어떤 함의를 갖는가?
• RQ4 Xmax 모멘트 매개변수를 모델 일관된 방식으로 ln A 모멘트로 역변환할 수 있는가?
• RQ5 forward-folding 및 모델 간 비교를 위해 매개변수가 모든 모델에서 견고한가?

주요 결과

• 에너지와 ln A의 함수로 Xmax 평균 및 var(Xmax)을 매개화한 결과, 모델 간 잔차가 평균은 몇 g cm-2, 분산은 몇 (g cm-2)^2 수준으로 나타난다.
• 두 가지 분산 모델을 테스트했다: 2차 다항식(Eq. 5)과 지수형(Eq. 6); 지수형은 일반적으로 EPOS LHC-R 및 Sibyll 2.3e에서 잔차가 더 작으며, 모델에 따라 차이가 있다.
• 주입된 원시종 및 에너지 전반에 걸친 Xmax 분포는 세 매개변수 일반화된 Gumbel 함수로 잘 설명되며, 누적분포함수(CDF)의 잔차는 몇 퍼센트 수준이다.
• 에너지와 질량 의존성을 갖는 일반화된 Gumbel 매개변수 mu, sigma, lambda(Eqs. 21–23)는 내부적으로 일관된 표현을 제공하며 Eqs. 29–30을 통해 CONEX 모멘트를 재현한다.
• 모델 간 비교에서 평균 Xmax는 EPOS LHC-R의 양성자에서 가장 깊고, 철의 경우 순서가 바뀌며; 분산은 모델 의존적 차이가 있어 질량 추론에 영향을 준다.
• 데이터 프로덕트 및 피팅 매개변수는 편의성과 재현성을 위해 Zenodo 저장소에 공개되어 있다.
• table_headers: []
• table_rows: []} }) } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } }
• } } } }}}} } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } }}}} } } } } } } } } } }}}} } } } } } } } }}} } } } } } } }}}} } } } } } } } } } }}}} } } } } } } }}}} } } } } }`}] }} } } }]}]}} } } }} } } } } } } } } } } } }}}} } } } } }}}} } } } } } } }}}} }}}} } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } }
• analysis_user_message అవు to=final />} } } }}}} } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } }`} } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } }}} } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } } }