[论文解读] Parton Distribution Functions properties of the statistical model

C. Bourrely|arXiv (Cornell University)|Jul 14, 2015

Particle physics theoretical and experimental studies参考文献 12被引用 3

一句话总结

该论文提出了一种用于部分子分布函数（PDFs）的统计模型，该模型从热力学势和熵最大化中推导出PDF的性质，为PDF参数提供了物理基础。通过将PDF建模为具有自旋依赖性势的费米-狄拉克或玻色-爱因斯坦分布，并引入类神经网络的激活函数，该模型自然地解释了极化PDF的符号和大小，其对实验数据的拟合得到 χ²/d.o.f. = 1.18，同时确认了夸克态和结构函数处于最大熵状态。

ABSTRACT

We show that the parton distribution functions (PDF) described by the statistical model have very interesting physical properties which help to understand the structure of partons. The role of the quark helicity components is emphasized as they represent the building blocks of the PDF. In the model the sign of the polarized quarks PDF comes out in a quite natural way once the thermodynamical potentials with a given helicity are known. Introducing the concept of entropy we study the states madeof |2u + d >, |u +d +s > and $|2\bar u +\bar d >$, for a fixed Q^2, the variation with x shows that the first state has a dominant entropy due to the effect of u quark. We prove that the PDF parameters obtained from experiments give in fact an optimal solution of an entropy equation subject to constraints. We develop a new approach of the polarized gluon density based on a neural model which explains its property, in particular, a large positivity value and an agreement with the positvity constraint. An extension of this neural approach is applied to quarks giving a coherent description of the partons structure.

研究动机与目标

• 为无极化和极化部分子分布函数（PDFs）的参数提供物理解释，超越纯粹的数值拟合。
• 通过基于热力学势的统一统计框架，将无极化和极化PDF的处理统一起来。
• 证明实验PDF参数对应于物理约束下的最大熵态，将现象学与统计力学联系起来。
• 开发一种类神经网络的模型来描述极化胶子密度，以解释其显著的正性并符合正性约束。
• 将神经网络模型扩展至夸克，从而为所有PDF类型提供一致且统一的强子结构描述。

提出的方法

• 利用自旋依赖的费米-狄拉克分布和热力学势 $X^{ ho}$ 以及通用温度 $ar{x}$ 构建极化夸克PDF。
• 引入类神经网络的激活函数 $S_i(x) = \frac{1}{1 + e^{-e_i x + h_i}}$ 来调制PDF行为，尤其抑制小-$x$ 贡献。
• 将模型拟合至NLO阶的全球无极化和极化深度非弹性散射数据，得到 $\chi^2/\text{d.o.f.} = 1.18$。
• 推导如 $|2u+d\rangle$ 和 $|u+d+s\rangle$ 等夸克态的熵，表明拟合的PDF参数在约束条件下实现了熵最大化。
• 将相同的最大熵原理应用于结构函数 $F^2_p$ 和 $g^1_p$，证明其最优性。
• 利用神经激活函数对极化胶子密度 $x\Delta G(x)$ 建模，解释其显著的正性和物理一致性。

实验结果

研究问题

• RQ1 部分子分布函数的参数是否可理解为在统计模型中由最大熵原理所决定？
• RQ2 夸克的热力学势 $X^{\pm}$ 如何以物理上一致的方式决定极化PDF的符号和大小？
• RQ3 类神经网络的激活函数是否能为极化胶子密度提供比标准参数化更物理解释的描述？
• RQ4 相同的最大熵原理是否不仅适用于夸克态，也适用于观测到的结构函数 $F^2_p$ 和 $g^1_p$？
• RQ5 能否将统一的神经模型框架从胶子扩展至夸克，从而为所有部分子分布提供一致且物理上合理的统一描述？

主要发现

• 拟合的PDF参数对应于夸克态 $|2u+d\rangle$ 和 $|u+d+s\rangle$ 的最大熵态，其中由于其更高的势能 $X_u^+ = 0.540 \pm 0.0014$，$u$ 夸克主导了熵。
• 该模型对实验数据的拟合效果良好，$\chi^2/\text{d.o.f.} = 2506/2128 = 1.18$，表明与测量结果高度一致。
• 极化夸克PDF的符号自然地从自旋依赖的热力学势中产生，其中 $X_u^+ > X_u^-$ 确保了 $\Delta u$ 为正。
• 对极化胶子密度的神经模型解释了其显著的正性，并满足正性约束，消除了参数化中的任意性。
• 激活函数参数通过全局拟合确定：$e_u = 27.16 \pm 1.3$，$h_u = 0.7$（固定），$S_q(x)$ 展现出与观测PDF大小一致的响应层级。
• 将神经模型扩展至夸克后，得到了无极化和极化PDF的一致且统一的描述，其中 $u$ 和 $d$ 夸克由于其较高的 $e_i$ 值而表现出最强的响应。