Heavy Neutrinos across the Electroweak-to-Multi-TeV Frontier via Novel ML-Enhanced Probes

ملخص تقني: النيوترينوهات الثقيلة عبر حدود المقياس الكهروضعفي إلى تعدد الترا (Multi-TeV) عبر مجسات مبتكرة معززة بالتعلم الآلي

بيان المشكلة
لا يزال البحث عن النيوترينوهات الثقيلة هدفاً مركزياً في اختبار آلية "السي" (seesaw mechanism) وتفسير أصل كتل النيوترينو. وبينما تغطي القيود التجريبية الحالية، المستمدة من اضمحلال الميزونات، واضمحلال بيتا المزدوج عديم النيوترينو، والبحث في المصادمات (LEP، LHC)، نطاقات كتلة محددة، إلا أن هناك فجوات كبيرة متبقية، لا سيها في كتل النيوترينو الثقيلة ($m_N$) التي تمتد من المقياس الكهروضعفي وصولاً إلى حدود تعدد الترا (multi-TeV). تعتمد استراتيجيات البحث التقليدية غالباً على إنتاج قناة $s$ الرنينية (s-channel production)، والتي تصبح مقيدة حركياً (kinematically suppressed) عند الكتل العالية ($m_N \gtrsim 1$ TeV) بسبب قيود الحيز الفراغي (phase space). علاوة على ذلك، فإن القيود الحالية على روابط الجيل الثالث (التي تتضمن لبتونات $\tau$) أضعف بشكل ملحوظ من تلك الخاصة بليبتونات الجيل الأول والثاني. ومن هنا تبرز الحاجة إلى استراتيجية موحدة تحافظ على الحساسية عبر طيف واسع من الكتل (من 50 GeV إلى 10 TeV) وتعالج تحديات التمييز بين الإشارات النادرة والخلفيات المعيارية (SM) الطاغية في بيئات اللمعان العالي.

المنهجية
يقترح المؤلفون استراتيجية تحليل شاملة لتصادمات بروتون-بروتون عند طاقة مركز الكتلة $\sqrt{s} = 13.6$ TeV، تستهدف الحالة النهائية $\ell\nu jj$ (لبتون مشحون، طاقة عرضية مفقودة، ونفاثتان/jet). تشمل الدراسة نظامي إنتاج متميزين:

1. إنتاج قناة $s$: وهو السائد لكتلة $m_N < 1$ TeV، ويتضمن الإنتاج الرنيني عبر عمليات Drell-Yan واندماج $W\gamma$.
2. اندماج ناقلات البوزون (VBF): وهو السائد لكتلة $m_N > 1$ TeV، ويتضمن تبادل النيوترينوهات الثقيلة الافتراضية عبر قناة $t$، والتي تظهر تدهوراً أبطأ في المقطع العرضي مع زيادة الكتلة.

المحاكاة وتوليد الأحداث:
تم توليد عينات الإشارة باستخدام MadGraph5_aMC@NLO مع نموذج HeavyN، لتغطي 16 نقطة كتلة من 50 GeV إلى 10 TeV. شملت الخلفيات العمليات المعيارية (SM) المهيمنة مثل $V$+jets، والدي-بوزون (dibosons)، وإنتاج التوب كوارك (top-quark)، والتي تمت محاكاتها بشكل شامل كـ $pp \to \ell\nu + \ge 2j$. تمت معالجة الأحداث عبر Pythia 8 لعمليات التذرية (parton showering) والتهجين (hadronization)، وعبر Delphes 3.4.1 لمحاكاة الكاشف باستخدام إعدادات CMS، بما في ذلك ظروف التراكم (pileup) الواقعية (متوسط 140 تفاعلاً) وكفاءات تحديد الأجسام.

تحليل التعلم الآلي:
لتحسين التمييز بين الإشارة والخلفية، استخدم المؤلفون أشجار القرار المعززة بالتدرج (BDTs) باستخدام XGBoost وScikit-learn.

• الميزات المدخلة: تم تدريب النماذج على 31 متغيراً حركياً، بما في ذلك الزخم العرضي ($p_T$)، والتعامد الزائف ($\eta$)، والزوايا السمتية ($\phi$)، والطاقة العرضية المفقودة ($E_T^{\text{miss}}$)، والكتل ($M$)، والكتل العرضية ($M_T$)، والفواصل الزاوية ($\Delta R, \Delta \eta, \Delta \phi$) بين النفاثات، واللبتونات، والطاقة المفقودة.
• استراتيجية التدريب: تم تدريب نماذج BDT منفصلة لكل نقطة كتلة ولأنواع مختلفة من اللبتونات ($\ell = \mu, \tau$). بالنسبة لقناة $\tau$، تمت محاكاة الاضمحلالات الهادرونية فقط ($\tau \to \pi\nu$) لتعكس قدرات إعادة البناء.
• التفسير الإحصائي: تم اشتقاق الحدود المتوقعة باستخدام أداة CMS Combine باستخدام طريقة الاحتمال المرجح التقاربي (asymptotic profile likelihood method) على مجموعة بيانات Asimov تقابل لمعاناً متكاملاً قدره 3000 fb$^{-1}$ (HL-LHC). تم دمج حالات عدم اليقين المنهجية (الـ PDFs، تغيرات المقياس، اللمعان، كفاءات اللبتون/النفاثة) عبر معاملات الإزعاج (nuisance parameters).

المساهمات الرئيسية والنتائج

• تغطية كتلة موحدة: توضح الدراسة أن الجمع بين آليات إنتاج قناة $s$ وVBF يسمح باستراتيجية بحث مستمرة عبر كامل نطاق الكتلة من 50 GeV إلى 10 TeV. يتغير سلوك المقطع العرضي من الهيمنة الرنينية عند الكتل المنخفضة إلى هيمنة VBF عند الكتل العالية، حيث يتقارب المساهمان عند $m_N \approx 1$ TeV.
• الحساسية المعززة عبر ML: نجح تحليل BDT في رصد الارتباطات الحركية المعقدة. كشف تحليل أهمية الميزات أن متغيرات الكتلة العرضية التي تتضمن اللبتون المشحون والطاقة المفقودة ($M_T(\ell E_T^{\text{miss}})$) والكتلة الثنائية للنفاثات ($M(j_1 j_2)$) هي أكثر الميزات تمييزاً. ويقوم توزيع $M(j_1 j_2)$ تحديداً بالتمييز بين القمم الرنينية (الكتلة المنخفضة) وطيف VBF العريض (الكتلة العالية).
• الحدود المتوقعة: بافتراض لمعان 3000 fb$^{-1}$، تتوقع الدراسة حدوداً عليا لمؤشر الخلط $|V_{\ell N}|^2$ عند مستوى ثقة 95%:
  • تصل الحساسية إلى $O(10^{-5})$ لكتلة $m_N = 50$ GeV.
  • تمتد الحساسية حتى $|V_{\ell N}|^2 \sim 1$ للكتل التي تقترب من 10 TeV، وهي مقيدة بوحدة النمط (unitarity).
  • تقدم هذه الاستراتيجية تحسناً كبيراً على حدود DELPHI الحالية وحدود بحث الثلاثي-لبتون الفوري (prompt trilepton)، خاصة في نظام تعدد الترا حيث يصبح VBF مهيمناً.
• وصول الجيل الثالث: تتناول الدراسة تحديداً قناة $\tau$، وتوضح أنه رغم تحديات إعادة بناء الـ $\tau$ الهادروني ووجود نيوترينوهات إضافية في الحالة النهائية، فإن استراتيجية ML المعززة بـ VBF المقترحة توفر مساراً قابلاً للتطبيق لسبر $|V_{\tau N}|^2$ في المنطقة التي تكون فيها القيود الحالية ضعيفة.
• شمولية اللبتون: يسمح الإطار بدمج قنوات الإلكترون، والميوون، والتاو لاختبار انتهاكات شمولية اللبتون (lepton-universality violations).

الأهمية
يزعم البحث أن هذا النهج يوفر "مساراً واعداً ومكملاً" لاستراتيجيات البحث الحالية. ومن خلال دمج آلية إنتاج مبتكرة (VBF عند الكتل العالية) مع تصنيف متقدم بالتعلم الآلي، تمد هذه الدراسة نطاق الاكتشاف للنيوترينوهات الثقيلة في مصادمات الهادرونات بشكل كبير. وهي تسلط الضوء بشكل خاص على القدرة على سبر نيوترينوهات الجيل الثالث واستكشاف حدود تعدد الترا (multi-TeV)، وهي مناطق تواجه فيها عمليات البحث التقليدية القائمة على القطع (cut-based) أو عمليات البحث المقتصرة على قناة $s$ تراجعاً في الحساسية. ويؤكد هذا العمل على فائدة المحاكاة الشاملة وتقنيات ML في تعظيم الإمكانات الفيزيائية لمرحلة اللمعان العالي (HL-LHC).