분석 선택이 전자 산란 데이터에서 전자기 형상인자 추출에 미치는 영향

초록

본 논문은 메인즈(MAINZ) 실험의 1422개 교차섹션 데이터와 31개의 정규화 파라미터를 이용해, 비구속(언바운드) 다항식 회귀와 물리적 제약을 가한 구속(바운드) 회귀를 비교한다. 단일 이론적 제약(항의 부호 교대)만으로도 자기형상인자 G_M 의 진동이 사라지고, 전하 반지름 r_p 값이 0.882 fm에서 0.854 fm(원본 데이터) 혹은 0.863 fm에서 0.845 fm(재구성 데이터)로 변한다. 또한 데이터 재구성(658점)과 모델 선택 기준(AIC, BIC) 사용이 결과에 큰 영향을 미침을 보여준다.

상세 분석

이 연구는 전자-양성자 탄성 산란에서 전자기 형상인자 G_E 와 G_M 을 추출할 때, 회귀 모델의 선택이 물리적 결론에 얼마나 민감한지를 정량적으로 입증한다. 저자들은 먼저 메인즈 데이터의 1422점에 대해 비구속 11차 다항식 회귀를 수행하고, 각 항의 계수를 자유롭게 최적화한다. 이 경우 G_E 의 1차 항계수 a_E1 은 –3.331이며, 이를 이용해 전하 반지름 r_p = 0.882 fm을 얻는다. 이어서 ‘완전 단조성(complete monotonicity)’을 근사하도록 항의 부호를 교대로 제한하는 구속 회귀를 적용한다. 이 제약은 물리학에서 기대되는 G_E, G_M 의 부호 교대 미분 특성을 반영한다. 구속 회귀 결과 a_E1 은 –3.124로 완만해져 r_p = 0.854 fm으로 감소한다. 즉, 단순히 부호 제약 하나만으로도 반지름 추정치가 0.03 fm 정도 차이 난다.

다음으로 저자들은 동일한 회귀 절차를 재구성된 658점 데이터에 적용한다. 재구성 데이터는 원본 데이터를 에너지와 각도별로 평균·가중치를 재조정한 것으로, 정규화 파라미터는 동일하게 유지된다. 비구속 회귀에서는 r_p = 0.863 fm, 구속 회귀에서는 r_p = 0.845 fm을 얻으며, 원본 데이터와 동일한 방향의 차이를 보인다. 이는 데이터의 binning 방식이 모델 선택에 미치는 영향을 강조한다.

통계적 모델 선택 기준으로 저자들은 χ²/df, AIC, BIC를 모두 계산한다. 비구속 회귀는 파라미터 수가 늘어날수록 χ²가 감소하지만, AIC·BIC는 과적합을 방지하기 위해 최소값을 갖는 차수를 제시한다. 원본 데이터에서는 구속 7차 회귀가 AIC·BIC 최적이며, 비구속 10차 회귀가 최적이다. 재구성 데이터에서도 구속 7차와 비구속 9차가 각각 최적으로 선정된다. 이는 동일한 데이터라도 모델 복잡도와 제약 조건에 따라 최적 차수가 달라짐을 보여준다.

또한 정규화 파라미터 N_j 가 0.1 % 수준의 미세한 변동을 보이지만, 전체 교차섹션에 미치는 영향은 무시할 수 없으며, 특히 G_E(0)와 G_M(0) 값을 고정하는 물리적 제약이 정규화 파라미터의 재분배를 유도한다는 점을 강조한다. 이러한 미세 조정이 결국 전하 반지름 추정치에 누적 효과를 미친다.

결론적으로, 논문은 (1) 회귀 함수 형태(다항식 차수·구속 여부), (2) 데이터 재구성(바이닝), (3) 모델 선택 기준의 사전 정의 여부가 모두 전하 반지름과 자기형상인자 추출에 결정적인 영향을 미친다는 점을 실증한다. 이는 ‘프로톤 반지름 퍼즐’과 같은 물리적 논쟁에서 회귀 분석의 메타-불확실성을 명시적으로 고려해야 함을 시사한다.