长基线实验 UNO、DUNE 与 NO$\nu$A 中质量排序与 $\theta_{23}$ 象限灵敏度的研究前景

本文在三个长基线 (LBL) 加速器实验即 UNO、DUNE 和 NO$\nu$A 的背景下，进行了定量数值分析，以在振荡参数的 3$\sigma$ 范围内研究质量排序与大气混合角 $\theta_{23}$ 象限的灵敏度。我们注意到，基于与事件率相关的定量灵敏度，可以在所有实验中研究质量排序。结论是，与 NO$\nu$A 和 DUNE 实验一样，UNO 实验也是研究质量排序的更好替代方案，特别是当我们需要在更高束流能量和基线长度下交叉验证结果时。我们观察到，离散解（即 {错误象限-正确 $\delta_{CP}$、错误象限-错误 $\delta_{CP}$} 和 {正确象限-错误 $\delta_{CP}$}）以及由离散解与真实解合并而产生的连续解，在 3$\sigma$ 水平下均可能出现。仅 UNO 实验具有消除这些离散解的潜力，而 NO$\nu$A 和 DUNE 实验在消除这些离散解方面的能力很差，尤其是在接近最大混合时。我们发现，在所研究的真实参数空间中的所有多重简并解处，通过 NO$\nu$A+DUNE+UNO 联合数据集，这些离散解可以在 3$\sigma$ 水平上得到分辨。尽管将一半的中微子运行替换为反中微子运行会因其对 $\delta_{CP}$ 的不同依赖性而带来定性优势，但由于截面较小且统计量减少，加入反中微子数据会使精度变差。因此，仅考虑中微子模式下的实验数据，可显著提升 $\delta_{CP}$ 和 $\theta_{23}$ 的精度。