validation

Sigma 分析

P(t) 框架中 sigma 的两种含义:散射截面 σ(E) 以及验证置信中使用的统计标准差 σ。

最后更新: 2026-07-20

希腊字母 $\sigma$ 在本参考文献中以两种全然不同的角色出现,将二者混同是一个真实的危险。在主公式中, $\sigma(E)$ 是散射截面,一个具有面积单位的物理耦合强度。在验证各章中, $\sigma$ 是标准差,一个表征离散的统计量。本章有意地将两种含义并置处理,并明确陈述记法约定,使得不留任何歧义。

两个不同的量,一个符号

记法的重叠是一种来自惯例、无法回避的继承:物理学用 $\sigma$ 表示截面,统计学用 $\sigma$ 表示标准差,而两种传统都太根深蒂固而无法舍弃。在本参考文献内,约定如下。当 $\sigma$ 带有一个明确的能量自变量,写作 $\sigma(E)$ 时,它总是指截面。当 $\sigma$ 在计算所得输出分布或置信陈述的语境下不带自变量出现时,它指标准差。凡是二者可能被混淆之处,都以文字陈述所指含义。记住这条规则,现在就可以分别考察两种角色了。

Sigma 作为截面:σ(E)

散射截面 $\sigma(E)$ [m²] 度量入射场作为能量的函数与转换器材料耦合得有多强。它作为被积函数因子之一进入主公式,

P(t) = \iint \Phi(E,\theta,t)\,\sigma(E)\,\Delta p\,v_{\text{ph}}\,\eta_{\text{conv}}\;dE\,d\theta ,

而其能量依赖是决定性的,因为输出由 $\sigma(E)$ 与通量 $\Phi$ 的重叠所支配,如多通道能量通量中所讨论。其量纲上的解读值得停顿一下:截面是一个有效面积,即材料向能量为 $E$ 的入射量子所呈现的名义靶尺寸。它不是概率也不是速率;它只有在乘以一个通量时才获得那些含义,而这正是被积函数所做的。对 $\sigma(E)$ 的分析以其形状为中心。一个宽而平的截面与频谱的宽广区段耦合,但在任一单一能量上耦合得弱;一个尖峰的——共振——截面耦合得强,但只在一个狭窄带内。对共振的一个有用的示意性漫画是洛伦兹型轮廓

\sigma(E) \;\propto\; \frac{(\Gamma/2)^2}{(E-E_0)^2 + (\Gamma/2)^2} ,

中心在 $E_0$ 、宽度为 $\Gamma$ :当 $\Gamma \to 0$ 时峰变得又高又窄,耦合得强劲,但只耦合到距 $E_0$ 一发之遥内的通量。宽的还是尖峰的 $\sigma(E)$ 产生更多功率,完全取决于环境通量相对于峰坐落在何处,这就是为什么把 $\sigma(E)$ 与通量联合地加以表征,是设计转换器的实质内容;见工程诠释。一个尖峰的 $\sigma(E)$ 还有数值上的后果: $\Gamma$ 越窄,为避免求积误差而在共振附近所需的采样就越精细,如数值模拟中所指出。

Sigma 作为标准差:σ

在验证语境中, $\sigma$ 表示计算所得输出分布的标准差——一个具有完全不同单位的完全不同的对象,即 $P(t)$ 本身的单位,而非面积的单位。当主公式以不确定输入通过蒙特卡罗求值时,如蒙特卡罗验证中所述,结果不是单一的数,而是一个 $P(t)$ 值的系综。该系综的均值 $\mu$ 估计期望输出;其标准差

\sigma = \sqrt{\;\frac{1}{N-1}\sum_{k=1}^{N}\big(P_k - \mu\big)^2\;}

量化离散。把结果报告为均值加减一个 $\sigma$ 是一种统计置信的陈述:在通常的高斯直觉下,大约三分之二的分布落在均值的一个 $\sigma$ 之内,约百分之九十五落在两个 $\sigma$ 之内。对该直觉有两条告诫。第一,分布的标准差 $\sigma$ 不可与均值的标准误 $\sigma/\sqrt{N}$ 相混淆:前者描述输出有多不确定,后者描述模拟把自己的平均值钉得有多准。第二,当输出分布是偏斜的——正因子的乘积往往如此——高斯的三分之二/百分之九十五法则只是近似,所报告的区间最好锚定在百分位上。因此一次执行良好的验证会同时报告均值输出及其 $\sigma$ ,并且理想情况下报告其置信区间,使读者能判断预测被约束得有多紧。

置信与”显著性”的含义

$\sigma$ 的标准差读法支撑着统计显著性的语言。一个相对于其 $\sigma$ 很大的预测效应是被很好确定的;一个与其 $\sigma$ 相当或更小的效应则不是,应当被报告为与一个可能包含零的范围相容。这一纪律对于框架的任何被提议的应用尤其重要:如果一个所声称的输出不比由输入分布设定的不确定度基线高出好几个 $\sigma$ ,那么框架本身就要求审慎,因为模型无法把所声称的效应与假设中的噪声区分开来。

在此必须明白地陈述全章最重要的澄清。由模型验证得出的统计 $\sigma$ 不是一种实验发现显著性。在实验物理学中,一个”五西格玛”结果意味着一个观测高于由真实数据的统计涨落所预期的本底五个标准差——一个宣称发现的阈值。此处计算的 $\sigma$ 完全不是那回事:它度量的是模型自身的输入一旦被假定,把模型自身的输出约束得有多紧。一个模型可以报告一个很小的 $\sigma$ ——一个很”自信”的预测——却完全依托于未经验证的物理假设。这种自信是对假设之算术的自信,而非假设为真的证据。因此一个紧凑的统计 $\sigma$ 是内部一致性的陈述,绝非能确立该物理学的实验测量的替代品。将二者混同将让一个自洽的模型冒充为一项被确认的发现,而这恰恰是框架所要防止的错误。

在实践中把二者分开

这条实用规则值得重申,因为它能防止真实的错误。一个提到耦合强度、能量依赖或面积的句子,说的是 $\sigma(E)$ 这个截面。一个提到离散、置信、误差棒或输出分布宽度的句子,说的是 $\sigma$ 这个标准差。二者从不出现在主公式的同一个位置;一个具有面积单位,另一个具有功率单位;一个是物理输入,另一个是对输出的统计概括;而且它们从不意味着同一件事。在架构各章与验证各章之间来回的读者应当随身携带这一区分;记法参考处的精简词汇表记录了两种用法,而截面的物理定义固定在变量定义中。