基于遗传算法的约束最小超对称标准模型轮廓似然分析
高能物理 - 唯象学
2015-03-13 v3 宇宙学与河外天体物理
摘要
约束最小超对称标准模型(CMSSM)是粒子物理标准模型最简单且被广泛研究的超对称扩展之一。然而，当前数据并不能以完全独立于先验、统计方法和扫描技术的方式充分约束模型参数。我们提出了一种新的扫描超对称参数空间的技术，该技术针对频率学派轮廓似然分析进行了优化，并基于遗传算法。我们将此技术应用于CMSSM，在我们的全局拟合中考虑了现有的对撞机和宇宙学数据。我们将我们的方法与MultiNest算法（一种高效的贝叶斯技术）进行比较，特别关注最佳拟合点以及对大型强子对撞机(LHC)粒子质量和暗物质搜寻的影响。我们的全局最佳拟合点位于焦点区。我们在stau共湮灭区和焦点区都发现了许多高似然点，包括在较大m_0处先前被忽略的共湮灭区部分。我们表明，CMSSM参数空间中存在许多高似然点被现有扫描技术普遍遗漏，尤其是在高质量区域。这对参数和可观测量导出的置信区间有显著影响，并可能彻底改变此类扫描的整个统计推断。
引用
@article{arxiv.0910.3950,
title = {A Profile Likelihood Analysis of the Constrained MSSM with Genetic Algorithms},
author = {Yashar Akrami and Pat Scott and Joakim Edsjö and Jan Conrad and Lars Bergström},
journal= {arXiv preprint arXiv:0910.3950},
year = {2015}
}
备注
47 pages, 8 figures; Fig. 8, Table 7 and more discussions added to Sec. 3.4.2 in response to referee's comments; accepted for publication in JHEP