[论文解读] Resummations with renormalon effects for the leading hadronic contribution to the muon (g-2)

Gorazd Cvetič, Taekoon Lee+1 more|arXiv (Cornell University)|Jul 6, 2001

Particle physics theoretical and experimental studies被引用 2

一句话总结

本文通过使用共形映射和改进的Borel变换对Adler函数中的renormalon效应进行重求和，改进了μ子(g-2)的主导hadronic贡献。重求和使理论值提高，从而减小了实验测量值与标准模型预测值之间的差异。

ABSTRACT

The leading hadronic contribution to the muon (g-2) value is calculated by considering a known dispersion integral which involves the R_{e+e-}(s) ratio. The theoretical part stemming from the region below 1.8 GeV is calculated by using a contour integral involving the associated Adler function D(Q^2). In the resummations, we account for the renormalon structure of the usual and the modified Borel transform of D(Q^2) via an explicit ansatz and by employing judiciously chosen conformal transformations. This pushes the value of the leading hadronic contribution to the muon (g-2)/2 upwards as compared to the value given by Davier and H\\"ocker [Phys. Lett. B435 (1998) 427], and therefore diminishes the difference between the recently measured and the SM/QCD-predicted value of (g-2).

研究动机与目标

• 解决μ子(g-2)测量值与标准模型预测值之间长期存在的差异问题。
• 通过考虑renormalon奇点的重求和技术，改进主导hadronic贡献的理论计算。
• 通过引入共形映射和Borel重求和，将非微扰效应纳入计算，从而减小hadronic贡献的不确定性。

提出的方法

• 利用包含R_{e+e-}(s)比值的dispersion积分表达hadronic贡献。
• 通过标准和改进的Borel变换分析Adler函数D(Q²)，以捕捉renormalon结构。
• 采用显式ansatz对Borel平面中renormalon奇点进行建模。
• 应用共形变换以改善微扰级数的收敛性并控制renormalon效应。
• 使用轮廓积分方法评估hadronic贡献，从而对非微扰效应实现更精确的解析控制。
• 重求和过程系统性地将理论值向上调整，使其更接近实验数据。

实验结果

研究问题

• RQ1 renormalon效应如何影响μ子(g-2)主导hadronic贡献的理论预测？
• RQ2 共形映射与Borel重求和能否改善低能区Adler函数评估的收敛性与准确性？
• RQ3 renormalon重求和在多大程度上减小了实验(g-2)值与标准模型预测之间的差异？
• RQ4 改进的Borel变换如何增强对hadronic真空极化中非微扰贡献的描述？
• RQ5 对renormalon奇点的显式ansatz对hadronic(g-2)贡献的最终结果有何影响？

主要发现

• 与Davier和H\报告的值相比，包含renormalon重求和后，μ子(g-2)的主导hadronic贡献有所提高。
• 重求和过程使理论预测值系统性地向上移动，从而减小了与实验测量值的差异。
• 采用共形映射改善了微扰级数的解析性质，并增强了对非微扰效应的控制能力。
• 改进的Borel变换有效捕捉了Adler函数中renormalon奇点的结构。
• 改进后的计算显著缩小了测量(g-2)值与标准模型预测之间的差距。
• 最终结果显示出理论值的显著上移，使其更接近实验数据。