[论文解读] Information field based global Bayesian inference of the jet transport coefficient

Man Xie, Weiyao Ke+2 more|arXiv (Cornell University)|Jun 2, 2022

High-Energy Particle Collisions Research被引用 5

一句话总结

本文提出一种信息场（IF）方法，用于在夸克-胶子等离子体中对喷射输运系数 $\hat{q}(T)$ 进行全局贝叶斯推断，消除了参数化先验带来的虚假长程关联。通过将非参数函数先验应用于RHIC和LHC重离子碰撞的数据，该方法揭示了 $\hat{q}/T^3$ 的 $T$-依赖性比以往研究更强，且随着更中心化和更高能数据的引入，高温区域的约束逐步收紧。

ABSTRACT

Bayesian statistical inference is a powerful tool for model-data comparisons and extractions of physical parameters that are often unknown functions of system variables. Existing Bayesian analyses often rely on explicit parametrizations of the unknown function. It can introduce long-range correlations that impose fictitious constraints on physical parameters in regions of the variable space that are not probed by the experimental data. We develop an information field (IF) approach to modeling the prior distribution of the unknown function that is free of long-range correlations. We apply the IF approach to the first global Bayesian inference of the jet transport coefficient $\hat q$ as a function of temperature ($T$) from all existing experimental data on single-inclusive hadron, di-hadron and $γ$-hadron spectra in heavy-ion collisions at RHIC and LHC energies. The extracted $\hat q/T^3$ exhibits a strong $T$-dependence as a result of the progressive constraining power when data from more central collisions and at higher colliding energies are incrementally included. The IF method guarantees that the extracted $T$-dependence is not biased by a specific functional form.

研究动机与目标

• 开发一种非参数贝叶斯框架，用于推断未知物理函数（如 $\hat{q}(T)$），避免在先验分布中引入人为的长程关联。
• 将该框架应用于首次基于单一致子强子、二强子和 $\gamma$-强子谱联合数据的喷射输运系数 $\hat{q}$ 作为温度 $T$ 函数的全局推断。
• 确保高温区域 $\hat{q}$ 的约束仅来自探测高温区域的数据，通过避免参数化假设导致的低-$T$ 数据虚假偏倚。
• 实现敏感性分析，映射不同数据集在温度空间中对 $\hat{q}(T)$ 的约束能力。
• 通过在广泛 $p_{\rm T}$、中心度和碰撞能量范围内比较后验预测与实验数据，验证方法的有效性。

提出的方法

• 使用信息场（IF）形式化方法，将 $\hat{q}(T)$ 的先验分布表示为高斯随机场，其协方差结构可抑制不同 $T$ 值之间的长程关联。
• 应用贝叶斯定理：后验 $\propto$ 先验 $\times$ 似然，其中似然函数基于理论-实验比较 $R_{\rm AA}^{h}$、$I_{\rm AA}^{hh}$ 和 $I_{\rm AA}^{\gamma h}$ 谱构建。
• 采用NLO部分子模型与介质修正的 fragmentation 函数计算理论谱，核部分子分布函数（PDFs）采用EPPS16，真空 fragmentation 函数采用Kniehl-Kramer-Potter参数化。
• 采用模型模拟技术高效探索 $\hat{q}(T)$ 的高维参数空间，实现快速后验采样与不确定性量化。
• IF 先验为非参数且灵活，允许数据决定 $\hat{q}(T)$ 的函数形式，而无需预设特定函数形式。
• 通过逐步引入从外围到中心碰撞以及从RHIC到LHC能量的数据，追踪约束能力随温度提升的变化过程。

实验结果

研究问题

• RQ1 基于信息场的先验能否消除 $\hat{q}(T)$ 先验分布中的虚假长程关联，确保高温区域的约束不被低-$T$ 数据所偏倚？
• RQ2 随着更中心化碰撞和更高碰撞能量数据的逐步引入，提取的 $\hat{q}/T^3$ 如何变化？
• RQ3 基于IF的推断在多大程度上与先前研究保持一致？在何处出现差异？
• RQ4 模型模拟器的后验预测在 $p_{\rm T}$、中心度和碰撞能量范围内对实验数据的再现程度如何？
• RQ5 后验 $\hat{q}(T)$ 对单个数据集（如 $R_{\rm AA}^{h}$、$I_{\rm AA}^{hh}$ 和 $I_{\rm AA}^{\gamma h}$）的敏感性如何？

主要发现

• 基于IF的贝叶斯推断得到的 $\hat{q}/T^3$ 展现出比以往研究更强的温度依赖性，尤其在 $T_c$ 附近，这是由于高温区域数据逐步施加约束所致。
• 高温区域 $\hat{q}$ 的约束完全由更中心化碰撞和更高能量数据驱动，外围或低能数据未引入任何人为影响。
• 在95%可信区间内，后验 $\hat{q}/T^3$ 与JETSCAPE结果一致，但在 $T_c$ 附近呈现更陡峭的上升趋势，表明对高温数据具有更高敏感性。
• 引入 $I_{\rm AA}^{hh}$ 和 $I_{\rm AA}^{\gamma h}$ 数据并未显著减小不确定性，原因在于实验误差较大，表明未来高精度数据将带来显著改进。
• 模型模拟器在60%和95%可信区间内的预测在 $p_{\rm T}$、中心度和碰撞能量范围内均良好再现实验数据，证实了该分析的全局描述能力。
• IF方法成功抑制了不同温度区域之间的先验关联，确保物理约束仅在数据敏感区域施加，验证了其非参数方法的优势。