[论文解读] The Power of Genetic Algorithms: what remains of the pMSSM?

Steven Abel, D. G. Cerdeño+1 more|arXiv (Cornell University)|May 9, 2018

Particle physics theoretical and experimental studies参考文献 64被引用 15

一句话总结

该论文表明，遗传算法（GAs）能够高效诊断19维现象学MSSM（pMSSM）中实验约束的相容性，发现μ子反常磁矩与费米-LAT银心伽马射线超额无法同时被解释。GAs仅通过约10⁴次模型评估即定位到最佳拟合点，远快于MCMC方法，分别显示出χ²贡献约为12和约155，表明尽管pMSSM具有高度自由的参数空间，仍被这些可观测量所证伪。

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.

研究动机与目标

• 评估pMSSM与多种高维实验约束（包括LHC、LEP、普朗克及低能可观测量）的相容性。
• 研究pMSSM是否能同时容纳μ子反常磁矩与费米-LAT银心伽马射线超额作为新物理信号。
• 评估遗传算法（GAs）在传统扫描与MCMC方法不可行的高维模型中探索效率与诊断能力。
• 识别导致pMSSM拟合不佳的主要可观测量，并确定是否存在可调和这些异常的可行参数区域。
• 证明GAs可在无需全面采样的情况下，快速诊断高维参数空间中模型的一致性并证伪理论。

提出的方法

• 使用遗传算法（GAs）通过连续多代演化pMSSM模型群体，以总χ²的倒数作为适应度函数引导选择。
• 在pMSSM的19个基本参数与4个干扰参数上定义搜索空间，整合所有实验约束，包括LHC、LEP、普朗克及低能可观测量。
• 使用交叉与突变算子非线性探索参数空间，实现对复杂、多峰适应度景观的高效导航。
• 将GA结果与MCMC扫描对比，验证效率与准确性，显示GA在约10⁴次评估内达到与MCMC相当的最佳拟合点，而平坦扫描则需约10⁷次。
• 追踪各代中关键参数（如中性子质量、停止质量、希格斯 sector）的演化，识别适应度景观中的模式与收敛趋势。
• 量化单个可观测量（如δaμ、GCE）对总χ²的贡献，以诊断哪些可观测量与pMSSM最不相容。

实验结果

研究问题

• RQ1 pMSSM能否同时容纳观测到的μ子反常磁矩与费米-LAT银心伽马射线超额？
• RQ2 与传统MCMC或平坦扫描方法相比，遗传算法在19维pMSSM中定位最佳拟合点的效率如何？
• RQ3 哪些实验可观测量主导了pMSSM中的χ²？这对模型的可行性有何含义？
• RQ4 pMSSM的参数空间中是否存在可显著降低μ子g-2与GCE异常χ²的可行区域，而不严重损害对其他可观测量的拟合？
• RQ5 在高维、多约束的新物理理论中，GAs在多大程度上能提供可靠且快速的模型相容性诊断？

主要发现

• pMSSM无法同时解释μ子反常磁矩与费米-LAT银心伽马射线超额，其χ²贡献分别约为12与约155。
• 遗传算法仅通过约10⁴次模型评估即定位到pMSSM中的最佳拟合点，结果与MCMC相当，但速度高出数个数量级。
• 最佳拟合模型中的中性子为近似Wino型，质量约为2 TeV，通过与近简并的带电粒子共湮灭而稳定，且遗迹密度被正确再现。
• 停止扇区被预测为轻量级，m~t₁ ≈ 2.3 TeV，而胶微子质量则较重，m~g > 5 TeV，表明存在分裂谱SUSY场景。
• 希格斯玻色子质量与中性子遗迹密度是主导约束，塑造了GA演化的最终参数构型。
• 未发现pMSSM参数空间中任何可行区域可显著降低μ子g-2与GCE异常的χ²，表明该模型已被这些可观测量证伪。