[论文解读] The Unintegrated Gluon Density in the Photon and Heavy Quark Production

M. Hansson, H. Jung+1 more|ArXiv.org|Feb 2, 2004

Particle physics theoretical and experimental studies参考文献 5被引用 3

一句话总结

本论文首次在CASCADE蒙特卡洛生成器中实现了光子中非微分胶子密度的完整CCFM演化，用于计算 $e^+e^-$ 和 $γγ$ 碰撞中的重夸克产生截面。该方法改善了与LEP粲夸克数据的一致性，并提供了TESLA能量下的预测，尽管仅部分缓解了 $b\bar{b}$ 截面差异问题。

ABSTRACT

The production cross section of heavy quarks in real and virtual photon-photon collisions has been studied. The unintegrated gluon density in the photon was obtained using the full CCFM evolution equation for the first time. The gluon density was implemented in the Monte Carlo generator CASCADE, and cross sections for heavy quark production in $e^+e^-$ collisions were calculated and compared to LEP data. Also, predictions for heavy quark cross sections in $e^+e^-$ and $γγ$ collisions at TESLA energies are given.

研究动机与目标

• 研究在光子中采用非微分胶子密度的 $k_t$-因子化方法是否能够解释 $γ\u03b3$ 碰撞中观测到的 $b\bar{b}$ 截面。
• 实现光子胶子密度的完整CCFM演化方程，克服先前简化模型的局限性。
• 将 $e^+e^-$ 和 $γ\u03b3$ 碰撞中重夸克产生的预测与LEP数据进行比较，并为TESLA提供预测。
• 评估由于 $\Lambda$、$\mu^2$ 和夸克质量等参数变化引起的截面不确定性。

提出的方法

• 使用完整的CCFM演化方程确定光子中的非微分胶子密度，取代了先前的近似方法。
• 将CCFM演化后的胶子密度集成到CASCADE蒙特卡洛事件生成器中，用于部分子级模拟。
• 应用 $k_t$-因子化方法以包含部分子的横动量依赖性，从而支持非稳定初态。
• 计算了在LEP和TESLA能量下 $c\bar{c}$ 和 $b\bar{b}$ 产生在 $e^+e^-$ 和 $γ\u03b3$ 碰撞中的截面。
• 通过改变关键参数（$\Lambda$、$\mu^2$、夸克质量、输入分布）来估算理论不确定性。
• 默认使用 $m_c = 1.5$ GeV 和 $m_b = 4.75$ GeV，不确定性分析中测试了相关范围。

实验结果

研究问题

• RQ1 光子非微分胶子密度的完整CCFM演化是否能改善对 $γ\u03b3$ 碰撞中 $b\bar{b}$ 产生的描述？
• RQ2 在LEP能量下，采用CCFM演化胶子密度的 $k_t$-因子化方法与标准共线DGLAP预测相比，在重夸克产生方面表现如何？
• RQ3 在 $\Lambda$、$\mu^2$ 和夸克质量方面的不确定性在多大程度上影响预测的截面？
• RQ4 在TESLA能量下，$e^+e^-$ 和 $γ\u03b3$ 碰撞中 $c\bar{c}$ 和 $b\bar{b}$ 产生的预期截面是多少？

主要发现

• 首次实现了光子非微分胶子密度的完整CCFM演化，取代了早期的简化近似。
• 与标准共线DGLAP预测相比，CCFM方法在描述LEP粲夸克数据方面有所改善，但提升有限。
• 对于底夸克产生，CCFM方法相比DGLAP略有改进，但仍未能完全解决LEP中观测到的 $b\bar{b}$ 截面差异问题。
• 截面中最大的不确定性来源是重夸克质量的变化，其中 $m_b$ 在4.5至5 GeV之间变化，$m_c$ 在1.3至1.7 GeV之间变化。
• 将 $\Lambda$ 从0.2 GeV变化到0.34 GeV时，截面变化最大，而 $\mu^2$ 和胶子密度输入的变化影响较小。
• 提供了在TESLA能量下 $e^+e^-$ 和 $γ\u03b3$ 碰撞中 $c\bar{c}$ 和 $b\bar{b}$ 产生的预测，为未来实验提供了基准参考。