Gravitational waves and tadpole resummation: Efficient and easy convergence of finite temperature QFT
Notice bibliographique
Résumé
We demonstrate analytically and numerically that "optimized partial dressing" (OPD) thermal mass resummation, which uses gap equation solutions inserted into the tadpole, efficiently tames finite-temperature perturbation theory calculations of the effective thermal potential, without necessitating use of the high-temperature approximation. An analytical estimate of the scale dependence for OPD resummation, standard Parwani resummation (Daisy resummation), and dimensional reduction shows that OPD has similar scale dependence to dimensional reduction, greatly improving Parwani resummation. We also elucidate how to construct and solve the gap equation for realistic numerical calculations, and demonstrate OPD's improved accuracy for a toy scalar model. OPD's improved accuracy is most physically significant when the high-temperature approximation breaks down, rendering dimensional reduction unusable and Parwani resummation highly inaccurate, with the latter underestimating the maximal gravitational wave amplitude for the model by 2 orders of magnitude compared to OPD. Our work highlights the need to bring theoretical uncertainties under control even when analyzing broad features of a model. Given the simplicity of the OPD compared to two-loop dimensional reduction, as well as the ease with which this scheme handles departures from the high-temperature expansion, we argue this scheme has great potential in analyzing the parameter space of realistic beyond the Standard Model models.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».