人工智能驱动的B衰变Bsd过程分支比理论计算探讨

本文是一篇关于人工智能与机器学习在理论计算领域的硕士论文，聚焦于B介子的稀有电磁衰变及其与新物理的关联。B介子衰变中的Bsd过程分支比是新物理模型的重要检验手段，因为标准模型的树图贡献虽精确，但新物理效应可能在圈图中有所体现，特别是在一阶或高阶效应中。 论文首先介绍了B衰变的重要性，指出在标准模型中，由于最低阶的树图计算通常被更高阶的圈图修正所遮蔽，因此，研究稀有衰变过程能够提供验证新物理存在的间接途径。作者提到，尽管已有如双西格斯粒子成对模型和额外维度框架下的ACD模型等不同理论框架的研究，但Bj*衰变的精确计算仍需在标准模型内部完成，以确保结果的可靠性。 论文的核心方法是基于标准模型，采用完全Salpeter方程和势模型相结合的方式来进行计算。首先，通过即时的BS方程获取初始介子的波函数，然后运用低能有效理论和运动方程理论等基础理论，计算出不变振幅。在处理圈图的过程中，作者特别强调了相对论修正，以提高计算的准确性。 然而，论文的结果与现有方法和实验数据存在差异，这是因为在计算方法上的不同导致的。随着实验对分支比测量的日益精密，这使得新物理的空间进一步压缩。因此，论文强调了在标准模型基础上对分支比进行更精确计算的重要性，这将提升我们对新物理现象检测的信心。 关键词包括Bethe-Salpeter方程（描述粒子间的相互作用）、稀有衰变（物理过程中的罕见事件）、低能有效理论（适用于能量接近零的物理现象）、费曼参数化（用于简化复杂的积分表达）以及分支比（衰变过程中各个通道的比例）。整体来看，这篇论文在理论计算层面深入探讨了人工智能和机器学习在探索新物理领域中的应用，尤其是在精确计算Bsd过程分支比方面的工作。