[论文解读] Parton distributions need representative sampling

Aurore Courtoy, Joey Houston+4 more|arXiv (Cornell University)|May 20, 2022

Particle physics theoretical and experimental studies被引用 5

一句话总结

本文指出，全球量子色动力学（QCD）拟合中部分子分布函数（PDF）的不确定性通常被低估，原因在于对可接受PDF解的多维参数空间采样不足。通过引入一种结合参数扫描与随机采样的‘跳棋扫描’技术，作者表明，对于大型强子对撞机（LHC）关键截面的PDF不确定性——尤其是大x处的底夸克分布和小x处的胶子PDF——显著高于标准蒙特卡罗副本集的名义估计值，凸显了代表性采样在避免高精度拟合中‘大数据悖论’的重要性。

ABSTRACT

In global QCD fits of parton distribution functions (PDFs), a large part of the estimated uncertainty on the PDFs originates from the choices of parametric functional forms and fitting methodology. We argue that these types of uncertainties can be underestimated with common PDF ensembles in high-stake measurements at the Large Hadron Collider and Tevatron. A fruitful approach to quantify these uncertainties is to view them as arising from sampling of allowed PDF solutions in a multidimensional parametric space. This approach applies powerful insights gained in recent statistical studies of large-scale population surveys and quasi-Monte Carlo integration methods. In particular, PDF fits may be affected by the big data paradox, which stipulates that more experimental data do not automatically raise the accuracy of PDFs -- close attention to the data quality and sampling of possible PDF solutions is as essential. To test if the sampling of the PDF uncertainty of an experimental observable is truly representative of all acceptable solutions, we introduce a technique (``a hopscotch scan'') based on a combination of parameter scans and stochastic sampling. With this technique, we show that the PDF uncertainty on key LHC cross sections at 13 TeV obtained with the public NNPDF4.0 fitting code is larger than the nominal uncertainty obtained with the published NNPDF4.0 Monte-Carlo replica sets, when accounting for the likelihood distribution. On the same grounds, the uncertainties on the charm distribution at a large momentum fraction $x$ and gluon PDF at small $x$ are enlarged. In PDF ensembles obtained in the analytic minimization (Hessian) formalism, the tolerance on the PDF uncertainty must be based on sufficiently complete sampling of PDF functional forms and choices of the experiments.

研究动机与目标

• 为解决全球PDF拟合中采样不足这一被低估的问题，该问题可能导致不确定性被低估。
• 研究多维PDF参数空间中采样质量如何影响高能物理中PDF不确定性的可靠性。
• 开发并验证一种新型采样技术——‘跳棋扫描’，以提高PDF集合解的代表性。
• 量化采样质量对关键LHC可观测量（如Z玻色子、W玻色子、希格斯玻色子和顶夸克对产生截面）的影响。
• 挑战‘更多数据自动提升PDF精度’的假设，强调数据质量和采样代表性的重要性。

提出的方法

• 作者提出一种‘跳棋扫描’技术，结合系统性参数扫描与随机采样，以更全面地探索可接受PDF解的空间。
• 他们将该方法应用于NNPDF4.0拟合代码，生成具有更高采样代表性的替代PDF副本集。
• 该技术基于χ²值和似然函数评估PDF解，确保所采样的副本能代表完整的可接受解空间。
• 该方法通过使用χ²作为优度指标，推广了副本去加权和数据集对角化技术，以选择并加权解。
• 作者将新型采样方法得到的不确定性与NNPDF4.0中名义的蒙特卡罗副本不确定性进行比较，使用相同的理论计算和实验数据。
• 他们使用APPLgrid和MCFM计算LHC在NNLO下的截面，施加探测器接受度截断和K因子，以保证一致性，并在多个过程中验证结果。

实验结果

研究问题

• RQ1 标准全球拟合中PDF不确定性估计在多大程度上因参数空间采样不具代表性而受损？
• RQ2 与传统蒙特卡罗副本采样相比，'跳棋扫描'方法在多大程度上提升了PDF集合解的代表性？
• RQ3 NNPDF4.0副本集中名义不确定性是否足以捕捉Z、W、希格斯玻色子和顶夸克对产生等关键LHC可观测量的真实不确定性？
• RQ4 ‘大数据悖论’——即更多数据无法在缺乏适当采样时提升精度——是否在当前的PDF拟合中显现？
• RQ5 当采样质量提升时，大x处底夸克分布和小x处胶子PDF的不确定性如何变化？

主要发现

• 与名义的NNPDF4.0蒙特卡罗副本集相比，使用跳棋扫描方法时，13 TeV LHC下Z玻色子产生总截面的PDF不确定性显著增大。
• 在改进采样下，13 TeV下希格斯玻色子产生截面的不确定性也更大，其增长主要源于似然分布的改善和参数空间覆盖的提升。
• 当强制实现代表性采样时，大动量分数x处底夸克分布的不确定性显著扩大，表明先前存在低估。
• 在新采样方案下，小x处胶子PDF的不确定性同样增加，凸显了标准副本基不确定性量化中的关键缺陷。
• 本研究证明，即使使用高精度数据，若可接受解的采样不具代表性，PDF不确定性仍可能具有误导性，验证了PDF拟合中‘大数据悖论’的存在。
• 作者发布了通过跳棋扫描生成的替代PDF副本的LHAPDF6网格，供未来高精度拟合研究使用。