用树形高斯过程建模 $R$ 比值及对其对 $g-2$ 的强子贡献
高能物理 - 唯象学
2023-10-19 v2
摘要
BNL 和 FNAL 对缪子反常磁矩的测量与标准模型（SM）预言相差超过 。强子真空极化（HVP）贡献是 SM 预言不确定性的主要来源。然而，HVP 贡献的不同估计之间存在张力，包括基于 比值测量的数据驱动估计。为研究该张力，我们将未知的 比值建模为质心能量的函数，采用树形高斯过程（TGP）。这是一种基于数据科学、有原则且通用的方法，可实现完整的不确定性量化，并自动平衡对噪声数据的过拟合与欠拟合。我们的工具给出的探索性结果与先前相似，且未发现 比值曾被错误建模的迹象。尽管我们在 比值建模的某些方面取得进展并开发了新工具，但具竞争力的 HVP 贡献估计仍需领域专业知识和精心整理的测量数据库。
引用
@article{arxiv.2306.17385,
title = {Modeling the $R$-ratio and hadronic contributions to $g-2$ with a Treed Gaussian Process},
author = {Andrew Fowlie and Qiao Li},
journal= {arXiv preprint arXiv:2306.17385},
year = {2023}
}
备注
23 pages, 5 figures