Numerische Bestimmung von Quarkpotential, Glueball-Massen und Phasenstruktur in der N = 1 supersymmetrischen Yang-Mills-Theorie
Eines der vielversprechendsten Modelle für Physik jenseits des Standardmodells ist die Supersymmetrie. Diese Arbeit entstand im Rahmen der DESY-Münster-Kollaboration, die sich insbesondere mit der N=1 supersymmetrischen Yang-Mills-Theorie (SYM) beschäftigt. Der Schwerpunkt dieser Arbeit liegt auf de...
Verfasser: | |
---|---|
Weitere Beteiligte: | |
FB/Einrichtung: | FB 11: Physik |
Dokumenttypen: | Dissertation/Habilitation |
Medientypen: | Text |
Erscheinungsdatum: | 2015 |
Publikation in MIAMI: | 13.02.2015 |
Datum der letzten Änderung: | 27.07.2015 |
Angaben zur Ausgabe: | [Electronic ed.] |
Schlagwörter: | Supersymmetrie; Gluebälle; Quarkpotential; Phasenstruktur; Gittersimulationen; Monte-Carlo-Simulationen; Smearing |
Fachgebiet (DDC): | 530: Physik |
Lizenz: | InC 1.0 |
Sprache: | Deutsch |
Format: | PDF-Dokument |
URN: | urn:nbn:de:hbz:6-40359658990 |
Permalink: | https://nbn-resolving.de/urn:nbn:de:hbz:6-40359658990 |
Onlinezugriff: | diss_sandbrink.pdf |
Inhaltsverzeichnis:
- 1. Einleitung 5
- 2. Theoretischer Hintergrund 9
- 2.1. Poincaré-Superalgebra . . . . . . . . . . . . . . . . . . . . . . . . . 10
- 2.2. Irreduzible Darstellung . . . . . . . . . . . . . . . . . . . . . . . . . 11
- 2.3. Supermultipletts . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
- 2.4. Superfelder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
- 2.5. N = 1 supersymmetrische Yang-Mills-Theorie . . . . . . . . . . . . 14
- 2.6. SYM-Multipletts . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
- 2.7. Gitterwirkung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
- 2.7.1. Plakette . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
- 2.7.2. Wilson-Schleifen . . . . . . . . . . . . . . . . . . . . . . . . 20
- 2.7.3. N = 1 supersymmetrische Yang-Mills Gitterwirkung . . . . 21
- 2.8. Verbesserung der Wirkung . . . . . . . . . . . . . . . . . . . . . . . 23
- 3. Gittersimulationen und Messmethoden 25
- 3.1. Monte-Carlo-Simulationen . . . . . . . . . . . . . . . . . . . . . . . 25
- 3.1.1. Markov-Ketten . . . . . . . . . . . . . . . . . . . . . . . . . 26
- 3.1.2. Metropolis-Algorithmus . . . . . . . . . . . . . . . . . . . . 27
- 3.1.3. Molekulardynamik . . . . . . . . . . . . . . . . . . . . . . . 28
- 3.1.4. Hybrid-Monte-Carlo-Algorithmus . . . . . . . . . . . . . . . 29
- 3.1.5. Polynomiale Approximation . . . . . . . . . . . . . . . . . . 29
- 3.1.6. Zweistufiger polynomialer Hybrid-Monte-Carlo-Algorithmus 31
- 3.1.7. Korrekturfaktoren . . . . . . . . . . . . . . . . . . . . . . . . 32
- 3.2. Korrelatoren und Massenbestimmung . . . . . . . . . . . . . . . . . 34
- 3.3. Berechnung des statistischen Fehlers . . . . . . . . . . . . . . . . . 36
- 3.3.1. Autokorrelation . . . . . . . . . . . . . . . . . . . . . . . . . 37
- 3.3.2. Jackknifing . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
- 3.3.3. Linearisierung . . . . . . . . . . . . . . . . . . . . . . . . . . 39
- 3.4. Limes verschwindender Gluino-Masse . . . . . . . . . . . . . . . . . 40
- 3.5. Smearing Techniken . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
- 3.5.1. APE-Smearing . . . . . . . . . . . . . . . . . . . . . . . . . 42
- 3.5.2. HYP-Smearing . . . . . . . . . . . . . . . . . . . . . . . . . 43
- 3.6. Variationsmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
- 4. Quarkpotential 47
- 4.1. Berechnung des Quarkpotentials . . . . . . . . . . . . . . . . . . . . 47
- 4.1.1. Zwei-Fit-Prozedur . . . . . . . . . . . . . . . . . . . . . . . . 48
- 4.1.2. Sommer-Parameter . . . . . . . . . . . . . . . . . . . . . . . 50
- 4.1.3. Optimierungen der Fits . . . . . . . . . . . . . . . . . . . . . 50
- 4.2. Alternative Methoden . . . . . . . . . . . . . . . . . . . . . . . . . 55
- 4.2.1. Alternative Fit-Prozeduren . . . . . . . . . . . . . . . . . . . 56
- 4.2.2. Creutz-Ratio . . . . . . . . . . . . . . . . . . . . . . . . . . 58
- 4.3. Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
- 5. Gluebälle 63
- 5.1. Details zur Messung . . . . . . . . . . . . . . . . . . . . . . . . . . 63
- 5.1.1. Wahl des Operators . . . . . . . . . . . . . . . . . . . . . . . 63
- 5.1.2. Smearing . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
- 5.1.3. Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
- 5.1.4. Fehlerabschätzung . . . . . . . . . . . . . . . . . . . . . . . 71
- 5.1.5. Variationsmethoden . . . . . . . . . . . . . . . . . . . . . . . 73
- 5.2. Optimierung der Messung . . . . . . . . . . . . . . . . . . . . . . . 75
- 5.2.1. Smearing-Parameter . . . . . . . . . . . . . . . . . . . . . . 75
- 5.2.2. Wahl der Smearing-Level . . . . . . . . . . . . . . . . . . . . 77
- 5.2.3. Vergleich APE- und HYP-Smearing . . . . . . . . . . . . . . 84
- 5.2.4. Verwendung anderer Operatoren . . . . . . . . . . . . . . . . 85
- 5.3. Ergebnisse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
- 5.3.1. β = 1.75, 1 Level Stout-Smearing . . . . . . . . . . . . . . . 95
- 5.3.2. β = 1.75, 3 Level Stout-Smearing . . . . . . . . . . . . . . . 99
- 5.3.3. β = 1.90, 1 Level Stout-Smearing . . . . . . . . . . . . . . . 102
- 5.3.4. β = 2.10, 1 Level Stout-Smearing . . . . . . . . . . . . . . . 107
- 5.3.5. Reine Eichtheorie . . . . . . . . . . . . . . . . . . . . . . . . 113
- 5.3.6. Zusammenfassung der Ergebnisse . . . . . . . . . . . . . . . 120
- 6. Supersymmetrie bei endlichen Temperaturen 123
- 6.1. Polyakov-Schleife . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
- 6.2. Gluino-Kondensat . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
- 6.3. Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
- 7. Zusammenfassung und Ausblick 139
- Literaturverzeichnis 143
- Liste der Veröffentlichungen 153
- A. Glueball Abbildungen 155
- A.1. APE- und HYP-Smearing . . . . . . . . . . . . . . . . . . . . . . . 155
- A.2. Verwendung anderer Operatoren . . . . . . . . . . . . . . . . . . . . 161
- A.3. Effektive Massen und Fit-Massen . . . . . . . . . . . . . . . . . . . 162.