利用引力波机器学习探测左右对称破缺
高能物理 - 唯象学
2025-07-15 v2
摘要
早期宇宙中的一阶相变可以产生随机引力波，为探测高能标粒子物理提供了独特探针。左右对称模型(LRSM)在高能区恢复宇称对称性并自然地纳入跷跷板机制，允许此类相变——特别是在SU(2)_R × SU(2)_L × U(1)_{B-L} → SU(2)_L × U(1)_Y的自发破缺过程中。这一初始步骤虽然研究较少，但在理论上具有动机且可通过引力波观测。在本工作中，我们研究了最小LRSM中这一第一步相变的引力波特征。由于其参数空间的复杂性和维度，传统的扫描方法计算量大且效率低下。为克服这一挑战，我们采用机器学习扫描(MLS)策略，与高精度三维有效场论框架集成——使用PhaseTracer作为DRalgo的接口——以高效识别参数空间中现象学上可行的区域。通过连续的MLS迭代，我们识别出一个能够产生可在下一代引力波观测设施（如BBO和DECIGO）中探测到的引力波信号的参数区域。此外，我们还分析了MLS推荐参数空间在迭代过程中的演化，并进行了灵敏度分析以识别模型中最具影响力的参数。我们的发现强调了来自LRSM相变的引力波的观测前景，以及机器学习技术在探测复杂标准模型以外参数空间中的有效性。
引用
@article{arxiv.2506.09319,
title = {Machine Learning Left-Right Breaking from Gravitational Waves},
author = {William Searle and Csaba Balázs and Yang Xiao and Yang Zhang},
journal= {arXiv preprint arXiv:2506.09319},
year = {2025}
}
备注
39 pages, 14 figures