[论文解读] Discriminating Neutrino Mass Models

M. Hirsch, Stephen F. King|arXiv (Cornell University)|Feb 8, 2001

Neutrino Physics Research被引用 2

一句话总结

本文开发了一种统计判别器，用于评估和比较中微子质量与混合的理论模型，重点对比具有家族对称性和右手中微子主导的 seesaw 机制与‘中微子无政府主义’模型（即随机矩阵模型）。研究发现，未来实验必须实现对中微子质量与混合角的高精度测量，才能有意义地区分当前的理论框架，而这一区分能力关键取决于对未定系数范围的假设。

ABSTRACT

We consider how well current theories can predict neutrino mass and mixing parameters, and construct a statistical discriminator which allows us to compare different models to each other. As an example we consider see-saw models based on family symmetry, and single right-handed neutrino dominance, and compare them to each other and to the case of neutrino anarchy with random entries in the neutrino Yukawa and Majorana mass matrices. The predictions depend crucially on the range of the undetermined coefficients over which we scan, and we speculate on how future theories might lead to more precise predictions for the coefficients and hence for neutrino observables. Our results indicate how accurately neutrino masses and mixing angles need to be measured by future experiments in order to discriminate between current models.

研究动机与目标

• 评估当前理论模型对中微子质量与混合参数预测的优劣。
• 开发一种统计方法，用于比较竞争性的中微子质量模型。
• 评估具有家族对称性和右手中微子主导的 seesaw 模型的预测能力。
• 将这些模型与‘中微子无政府主义’假说（Yukawa 和 Majorana 质量矩阵为随机矩阵）进行对比。
• 确定未来中微子测量所需达到的精度，以区分现有的理论框架。

提出的方法

• 作者基于中微子质量模型中未定系数的扫描，构建了统计判别器。
• 他们将该判别器应用于比较具有家族对称性和单个右手中微子主导的 seesaw 模型。
• 该方法涉及对系数范围进行蒙特卡洛采样，以生成中微子质量与混合角的预测。
• 将这些预测与 Yukawa 和 Majorana 矩阵具有随机条目的‘无政府’模型进行对比。
• 通过基于似然的比较，评估模型差异的统计显著性。
• 该方法量化了模型预测对自由参数假设范围的依赖性。

实验结果

研究问题

• RQ1 中微子质量与混合角需多高的测量精度，才能有效区分具有家族对称性和右手中微子主导的 seesaw 模型？
• RQ2 在未定系数存在不确定性的情况下，当前模型对中微子参数的预测可靠性如何？
• RQ3 seesaw 模型的预测与随机矩阵的无政府模型在统计上相比如何？
• RQ4 未定系数的范围在决定中微子质量模型预测能力方面起什么作用？
• RQ5 未来测量需达到何种精度，才能排除或证实特定的理论模型？

主要发现

• 当前模型的预测能力在很大程度上取决于对未定系数范围的假设，这在预测中引入了显著不确定性。
• 具有家族对称性和右手中微子主导的 seesaw 模型在中微子可观测量的统计分布上，与无政府模型存在明显差异。
• 统计判别器能够成功识别模型之间的差异，但前提是未来测量达到高精度。
• 结果表明，当前模型在未对系数范围施加强假设的情况下，尚无法做出唯一预测。
• 未来若能更严格地约束系数，将可能使中微子质量与混合角的预测更加精确。
• 本研究强调，实验精度必须显著提升，才能在当前理论不确定性之外实现模型区分。