杀死看上去很美的物理理论？这不一定要找反例

什么是“科学进步”？这是什么意思？我们怎样才能取得科学进步？显然，方法之一是改进实验，更精确地测量物理现象，并设计新的实验来探索未知领域。但是我们能从测量本身中学到什么呢？我们能证明一个科学理论吗？不完全是。

除非我们确保每只天鹅都经过检查，否则像“所有天鹅都是白色的”这样的说法是无法证实的。从历史上看，牛顿力学和万有引力定律曾经是占主导地位的自然理论，200多年来，它们已经成功地通过了无数次测量测试。能够做到这一点的理论确实非常成功，但不能说它已经被证明了。以无限的精确度，不可能在宇宙的每一种情况下都检验牛顿定律。大约在1900年，随着行星动力学(如水星轨道)测量精度的不断提高，牛顿定律发生了巨大变化，在精确的实验中没有发现所谓的“以太”。这些结果证明牛顿的理论是不准确的——黑天鹅已经被发现了！爱因斯坦的狭义相对论和广义相对论已经取代了牛顿力学。它们能更好地描述物体的运动规律，但不能保证它们是正确的。

证明某个理论能够描述自然界未知的领域，这真是一件令人兴奋的事情。大型强子对撞机(LHC)在2012年发现希格斯玻色子就是一个例子。预测希格斯玻色子存在的粒子物理标准模型是在40多年前提出的。这一理论似乎已经窥见了自然运行的真正规律，并预见到了在以前的实验条件下无法显示的东西。

这不意味着标准模型是正确的吗？不幸的是，答案是“不”，因为我们已经有了一只新的“黑天鹅”:暗物质。有足够的证据证明暗物质的存在，比如最近普朗克卫星的测量。那为什么我们还在使用标准模型？原因是令人不安的:它能准确地描述所有其他的测量结果——说实话，这是因为我们还没有发现一个新的理论具有更广泛的应用范围。

我们真的还没找到吗？超对称性呢？超对称理论包括一个标准模型，可以解决希格斯粒子质量分类问题，并且可以很容易地包括暗物质。超对称性预测了新的现象(尚未证实)，但它也修改了标准模型中一些已知物理过程的细节，如希格斯玻色子不同衰变模式之间的比率——正如相对论改变了对水星轨道的预测。因此，如果我们能在LHC足够精确地测量这些过程，我们也许能判断超对称理论和标准理论是对还是错。

换句话说，我们可以尝试否定超对称理论。然而，应该如何做呢？我们建议采取更温和的方法。我们最近的论文“温和杀死超对称模型”排除了一个广泛研究和高度预测的超对称理论:约束最小超对称标准模型。我们如何温和地做它？

答案是:概率。想象一下詹姆斯·邦德去赌场玩轮盘赌。在这个时候，概率总是要面对的。今天，邦德有点无聊，他决定只赌红色。在公平的游戏中，结果完全是随机的。如果忽略绿色0，切换到红色和黑色的概率为50%。然而，当邦德连续下注红色时，*碰巧一个接一个地变成黑色。如果他只看结果，他肯定会怀疑*上是否真的有红色方块。在n轮游戏中全部变成黑色的概率是0.5的n次方。黑色连续出现10次的概率大约是1/1000。这意味着邦德必须连续1000次重复这10轮游戏，以期待10场黑棋的概率，前提是轮盘没有问题，庄家没有作弊。邦德玩了10轮，发现所有10轮都变成了黑色，这意味着轮盘赌和庄家没有问题的概率只有0.1%。那么，邦德应该拿出他的枪吗？

在论文《轻轻杀死cMSSM》中，我们也使用了类似的策略，但是有点复杂，因为潜在的概率并不简单。相反，我们采用了一种称为“全局拟合”的策略:如果cMSSM是正确的，它不仅可以预测一系列新的粒子(如暗物质)，而且可以准确地预测粒子的性质和已知物理过程与标准模型预测的确切偏差。如果我们同时进行多次测量，我们可以估计标准模型正确预测所有物理过程的概率，或者cMSSM模型预测更准确的概率。因为所有的预测都是统计的，所以看起来詹姆斯·邦德在玩一个复杂的轮盘游戏。

CMSSM有5个参数，考虑了27个测量值。需要完成的统计计算在2000台计算机上运行了几个月。运行结果表明，cMSSM的前景不容乐观。问题是一些测量结果倾向于更轻的超对称粒子。特别是对于强磁场中μ子行为的测量，μ子是比电子重的轻子族的产生。另一方面，在LHC的直接搜索中没有发现新的超对称粒子。最简单的解释是，这些粒子太重，无法用LHC能量产生。应该记住，这些趋势实际上是统计的，就像轮盘赌一样。然而，这些预期概率之间的冲突表明，cMSSM确实面临一个困境:

制图学:Bechtle等人

对μ子磁性的测量表明，模型应该符合上图右侧的数据点。然而，我们没有发现希格斯玻色子的性质偏离标准模型的预测，也没有在LHC发现任何由cMSSM预测的新粒子。根据这些测量结果拟合的模型位于蓝色区域，即上图的中间。这显然不是一场比赛，但也有可能是一个非常小的概率事件，就像轮盘游戏中的连续10次黑色。现在，我们第一次计算了cMSSM的5个参数的各种可能组合的概率。据此，我们得出了一个悲观的结论:根据从LHC获得的数据，我们排除了一个超过标准模型的完整的物理模型，而不是仅仅将一个模型限制在一个较小的参数空间范围内。我们没有发现黑天鹅，但是我们“温和地杀死”了模型，正如我们所说的，仅仅基于统计数据。