[论文解读] flavio: a Python package for flavour and precision phenomenology in the Standard Model and beyond

David M. Straub|arXiv (Cornell University)|Oct 18, 2018

Computational Physics and Python Applications被引用 88

一句话总结

Flavio 是一个开源的 Python 工具包，用于风味与精密现象学，提供 SM 和 NP 预测、测量数据库，以及用于 EFT 分析的灵活似然框架。

ABSTRACT

flavio is an open source tool for phenomenological analyses in flavour physics and other precision observables in the Standard Model and beyond. It consists of a library to compute predictions for a plethora of observables in quark and lepton flavour physics and electroweak precision tests, a database of experimental measurements of these observables, a statistics package that allows to construct Bayesian and frequentist likelihoods, and of convenient plotting and visualization routines. New physics effects are parameterised as Wilson coefficients of dimension-six operators in the weak effective theory below the electroweak scale or the Standard Model EFT above it. At present, observables implemented include numerous rare $B$ decays (including angular observables of exclusive decays, lepton flavour and lepton universality violating $B$ decays), meson-antimeson mixing observables in the $B_{d,s}$, $K$, and $D$ systems, tree-level semi-leptonic $B$, $K$, and $D$ decays (including possible lepton universality violation), rare $K$ decays, lepton flavour violating $\ au$ and $\\mu$ decays, $Z$ pole electroweak precision observables, the neutron electric dipole moment, and anomalous magnetic moments of leptons. Not only central values but also theory uncertainties of all observables can be computed. Input parameters and their uncertainties can be easily modified by the user. Written in Python, the code does not require compilation and can be run in an interactive session. This document gives an overview of the features as of version 1.0 but does not represent a manual. The full documentation of the code can be found in its web site.

研究动机与目标

• 作为 SMEFT 和 WET 中的六阶威尔逊系数的函数，提供风味、电弱和精密观测量的库。
• 提供实验测量数据库和一个将预测与数据进行比较的框架。
• 支持用于参数推断的贝叶斯与频率学似然构建。
• 包含观测量和拟合的绘图与可视化工具。
• 通过将新物理映射到威尔逊系数并执行基于 EFT 的分析来促进 NP 研究。

提出的方法

• 观测量被计算为 SMEFT（在 EW 标量之上）或 WET（在 EW 标量之下）中的威尔逊系数的函数。
• 通过 wilson 包和 WCxf 格式处理重整化群演化、匹配和基底转换。
• 通过对输入参数进行蒙特卡洛采样以产生带不确定性的 SM 预测来量化不确定性。
• 一个通用的 Likelihood 类使得基于实验测量和理论预测构建似然以进行贝叶斯或频率推断成为可能。
• FastLikelihood 方法提供基于高斯的近似，以高效地边缘化混杂参数。
• 拟合可以使用 MCMC 或轮廓工具来执行，支持理论不确定性的贝叶斯与频率学处理。

实验结果

研究问题

• RQ1 如何在风味观测量中使用 SMEFT 和 WET 的六阶威尔逊系数来参数化 NP 效应？
• RQ2 如何在一致的 EFT 框架内系统地将预测与大量实验测量进行比较？
• RQ3 给定风味数据和理论不确定性，推断威尔逊系数的灵活统计框架（贝叶斯或频率学）是什么？
• RQ4 在存在混杂参数时，如何在不影响一致性的情况下高效进行快速推断？

主要发现

• flavio 提供大量观测量库，涵盖风味物理、电弱精密测试以及其他低能观测量，作为维度-6 Wilson 系数的函数。
• 它包括实验测量数据库和一个构建似然的模块，支持贝叶斯或频率推断。
• 该软件包通过位于电弱域上方或下方的 Wilson 系数来支持 NP 效应，具备通过 WCxf/wilson 进行 RG 演化和基底转换的能力。
• 新物理贡献表示为 Wilson 系数，默认情况下 SM 对应为零的 NP 系数。
• 工具包用 Python 实现（无需编译），强调易于扩展、交互式使用以及与绘图的集成。
• Version 1.0 描述了发布时可用的特性，正在持续开发并鼓励社区贡献。