[论文解读] Bayesian Study and Naturalness in MSSM Forecast for the LHC

María Eugenia Cabrera|arXiv (Cornell University)|May 14, 2010

Particle physics theoretical and experimental studies参考文献 6被引用 4

一句话总结

本文对约束最小超对称标准模型（CMSSM）进行了贝叶斯分析，以预测大型强子对撞机（LHC）的发现前景，将电弱对称性自发破缺通过 $M_Z$ 作为关键约束。结果表明，当将 $M_Z$ 视为实验数据时，精细调参惩罚自然地从贝叶斯推断中产生，使得无论先验选择如何，参数空间的高能区域在统计上均不显著。

ABSTRACT

We perform a forecast of the CMSSM for the LHC based in an improved Bayesian analysis taking into account the present theoretical and experimental wisdom about the model. In this way we obtain a map of the preferred regions of the CMSSM parameter space and show that fine-tuning penalization arises from the Bayesian analysis itself when the experimental value of Mz is considered. The results are remarkable stable when using different priors

研究动机与目标

• 利用CMSSM框架内的贝叶斯推断，预测在大型强子对撞机（LHC）上发现超对称（SUSY）的可能性。
• 研究自然性——特别是精细调参——是否可从贝叶斯概率中推导出，而非事先强加。
• 通过引入将 $M_Z$、$m_t$ 和 $\tan\beta$ 作为基本变量的重新参数化方法，改进参数扫描。
• 评估实验约束（希格斯玻色子质量、$a_\mu$、$b\to s\gamma$ 和暗物质遗迹密度）对后验分布的影响。
• 比较CMSSM中 $\mu>0$ 与 $\mu<0$ 情况下的相对贝叶斯证据。

提出的方法

• 使用贝叶斯定理：$p(\theta|\text{data}) = \frac{p(\text{data}|\theta)\,p(\theta)}{p(\text{data})}$，其中 $\theta$ 代表CMSSM参数。
• 将 $M_Z^{\text{exp}}$ 视为通过 $\mathcal{L}_{M_Z} \simeq \delta(M_Z - M_Z^{\text{exp}})$ 的似然约束，实现对 $\mu$ 的边缘化。
• 将变量从 $\{m, M, A, B, \mu, y_t\}$ 变更为 $\{m, M, A, \tan\beta, M_Z, m_t\}$，并引入雅可比行列式因子 $J$。
• 对无关参数进行严格处理，将 Yukawa 耦合视为基本量，并采用高效先验，假设软对称性破缺项具有共同起源。
• 在 SuperBayeS 框架内使用 MultiNest 算法，与 SoftSusy、SusyBSG、SuperIso 和 MicrOMEGAs 接口，实现高精度计算。
• 纳入实验约束：$M_h > 125$ GeV，$a_\mu$ 的偏差，$b\to s\gamma$，以及来自中性子 LSP 的 $\Omega_{\text{CDM}}$。

实验结果

研究问题

• RQ1 当将 $M_Z$ 视为实验数据时，贝叶斯分析是否自然地对CMSSM参数空间中的精细调参区域施加惩罚，而无需事先强加自然性？
• RQ2 将 $M_Z$ 作为一个数据点纳入后，对CMSSM参数的后验分布有何影响？
• RQ3 $a_\mu$ 偏差对CMSSM参数空间中偏好区域有何影响？
• RQ4 希格斯玻色子质量、$b\to s\gamma$ 和暗物质遗迹密度的约束如何塑造后验分布？
• RQ5 数据更倾向于 $\mu$ 的哪种符号？这一偏好如何依赖于是否包含 $a_\mu$ 和 $\Omega_{\text{CDM}}$？

主要发现

• 当将 $M_Z$ 视为实验数据时，精细调参惩罚自然地从贝叶斯推断中产生，后验分布与 $1/c_\mu$ 成正比。
• 由于这种内在的精细调参惩罚，CMSSM参数空间的高能区域在统计上变得不显著。
• 在引入 $M_Z$ 后，对数先验和均匀先验的后验分布极为相似，表明对先验选择具有鲁棒性。
• $a_\mu$ 偏差在 $3.3\sigma$ 水平下更倾向于 $\mu>0$ 分支，尤其是在结合 $\Omega_{\text{CDM}}$ 约束时。
• $b\to s\gamma$ 稍微更倾向于 $\mu<0$ 分支，但影响不显著；总体而言，当包含 $a_\mu$ 和 $\Omega_{\text{CDM}}$ 时，$\mu>0$ 更受青睐。
• 希格斯玻色子质量下限 $M_h > 125$ GeV 显著推动后验分布向更高质量区域移动，尤其在 $M - m$ 平面中。