Projections of H$\to\tau\tau$ cross-section at FCC-ee

1. بيان المشكلة

تتناول الورقة البحثية الحاجة إلى قياسات عالية الدقة للاقتران بين بوزون هيجز والتاونات ($H \to \tau\tau$). وبينما رصد مصادم الهادرونات الكبير (LHC) هذا الاضمحلال، فإن القياسات الحالية محدودة بالضجيج الخلفي والشكوك المنهجية، مما يؤدي إلى عدم يقين نسبي يبلغ حوالي 60% (لقناة $ZH$) و20% (لقناة VBF) على قوة الإشارة $\mu$. يهدف المؤلفون إلى استشراف الدقة التي يمكن تحقيقها في مصادم المستقبل الدائري للإلكترونات (FCC-ee)، وهو مصادم مقترح لإلكترونات وبوزيترونات ($e^+e^-$)، لتحديد ما إذا كان بإمكانه التفوق بشكل كبير على قدرات LHC في سبر اقتران "يوكاوا" لهيغز مع الليبتونات المشحونة.

2. المنهجية

المحاكاة ونموذج الكاشف:

• توليد الأحداث: تمت محاكاة الإشارات والخلفيات من النموذج القياسي (SM) عند مستويات الترتيب الأول (LO) باستخدام Whizard v.3.0.3 و Pythia8. شملت العمليات إنتاج $ZH$ عند طاقات مركز الكتلة $\sqrt{s} = 240$ GeV و $365$GeV، وإنتاج دمج البوزونات المتجهة (VBF) عند$\sqrt{s} = 365$ GeV.
• محاكاة الكاشف: أُجريت محاكاة سريعة لمفهوم كاشف IDEA (وهو تصميم مقترح لـ FCC-ee يتميز بغرفة سلكية قصيرة المدى وكاشف حراري مزدوج القراءة) باستخدام Delphes v.3.5.1.
• تجميع النفاثات (Jet Clustering): استُخدمت حزمة FastJet مع خوارزمية "دورهام" الحصرية لتجميع الجسيمات في نفاثات، مع تحسينها لتناسب بيئة $e^+e^-$ النظيفة.

تقنيات إعادة بناء التاو:
قارنت الدراسة بين طريقتين لإعادة بناء اضمحلالات التاو الهادرونية ($\tau_h$):

1. ParticleNet (التعلم الآلي): شبكة عصبية رسومية (Graph Neural Network) مدربة للتمييز بين نفاثات التاو ونفاثات الكوارك/الغلوون بناءً على نكهة النفاثة. تم تطبيق عتبة لدرجة التاو (tau score) أكبر من $0.5$.
2. إعادة البناء الصريح (Explicit Reconstruction): خوارزمية قائمة على القواعد تحدد أنماط اضمحلال التاو المحددة من خلال تحليل مكونات النفاثة (الجسيمات المشحونة/المتعادلة) والتقارب المكاني مع الجسيم المشحون الرئيسي.

• الاختيار: استخدمت الدراسة في النهاية ParticleNet لتحليل المقطع العرضي النهائي بسبب متانتها، رغم أن إعادة البناء الصريح أظهرت كفاءة مماثلة وتحديداً فائقاً لأنماط الاضمحلال.

استراتيجية التحليل:

• التصنيف: تم تقسيم الأحداث إلى تسع فئات بناءً على أنماط اضمحلال بوزون $Z$ (أي $Z \to \ell\ell, \nu\nu, q\bar{q}$) والتاونات الثنائية ($\tau\tau, \tau\ell, \ell\ell$).
• التمييز: تم تدريب مصنف Boosted Decision Tree (BDT) لكل فئة ونقطة طاقة. شملت الميزات متغيرات حركية مثل $\Delta\phi, \Delta\eta, \Delta R$ لنظام التاو الثنائي، والزخم الرباعي المفقود، والزخم الرباعي المعاد بناؤه لـ $Z$ وهيغز، بالإضافة إلى كتلة الارتداد (recoil) والكتلة المتساوقة (collinear).
• إعادة بناء الكتلة: تمت إعادة بناء كتلة هيغز باستخدام ثلاث طرق: الكتلة المرئية (visible mass)، والتقريب المتساوق (collinear approximation)، وكتلة الارتداد (recoil mass). تم تحديد كتلة الارتداد (المستمدة من نواتج اضمحلال $Z$ وحفظ الطاقة الكلية) كأكثر الطرق دقة، حيث أظهرت قمة ضيقة عند كتلة هيغز.

التحليل الإحصائي:

• استُخدمت أداة CMS Combine لإجراء تحليل قائم على الشكل (shape-based analysis) باستخدام توزيعات درجات BDT.
• تم نمذجة الشكوك المنهجية كشكوك لوغاريتمية طبيعية (log-normal) بنسبة 1% على المقاطع العرضية للخلفية. واعتُبرت الشكوك الإحصائية الناتجة عن عينات MC المحدودة مهملة.

3. المساهمات الرئيسية

• مقارنة إعادة البناء: قدمت مقارنة مباشرة بين إعادة البناء القائمة على التعلم الآلي (ParticleNet) وإعادة بناء نمط الاضمحلال الصريح للتاوهات عند طاقات FCC-ee، مما أثبت أن ParticleNet تحقق كفاءة تبلغ $\sim90\%$ للقنوات النظيفة ($Z \to \nu\nu$) و $\sim80\%$ للاضمحلالات الهادرونية لـ $Z$.
• التحسين الحركي: التحقق من استخدام كتلة الارتداد ومصنفات BDT لفصل الإشارة عن الخلفيات المعقدة (مثل $ZZ, WW, t\bar{t}$) في كل من قناتي $ZH$ و VBF.
• توقعات الدقة: توليد أول توقعات مفصلة لقياس المقطع العرضي لـ $H \to \tau\tau$ في FCC-ee، بما في ذلك قناة VBF التي لا يمكن الوصول إليها عند الطاقات المنخفضة.

4. النتائج

دقة المقطع العرضي:
تتوقع الدراسة عدم اليقين النسبي لضرب المقطع العرضي في نسبة التفرع ($\sigma \times \mathcal{B}$) كما يلي:

القناة	الطاقة	اللمعان المتكامل	عدم اليقين النسبي
ZH	240 GeV	10.8 ab$^{-1}$	$\pm 0.57\%$
ZH	365 GeV	3.0 ab$^{-1}$	$\pm 1.17\%$
VBF	365 GeV	3.0 ab$^{-1}$	$\pm 8.48\%$
المجمع (Combined)	240 + 365 GeV	13.8 ab$^{-1}$	$\pm 0.51\%$

معدل الاقتران ($\kappa_\tau$):
باستخدام العلاقات بين المقاطع العرضية ومعدلات الاقتران، ومع افتراض المعرفة الدقيقة باقترانات $Z$ و $W$ (حيث $\delta\kappa_Z \approx 0.1\%$ و $\delta\kappa_W \approx 0.29\%$) والعرض الكلي ($\delta\Gamma_H \approx 0.78\%$)، فإن الدقة المتوقعة لمعدل اقتران التاو هي:

• $\delta\kappa_\tau \approx 0.47\%$ (من قناة ZH).

المقارنة بالوضع الحالي:

• يمثل توقع FCC-ee البالغ 0.51% تحسناً بأكثر من مرتبة عشرية واحدة مقارنة بقياسات LHC الحالية (التي تبلغ $\sim60\%$ لقناة ZH و $\sim20\%$ لقناة VBF).
• حتى قناة VBF في FCC-ee، رغم أنها أقل دقة من ZH بسبب انخفاض معدلات الأحداث، توفر قياساً فريداً ومستقلاً عن النموذج لقياس اقتران هيغز.

5. الأهمية

يُظهر هذا العمل أن FCC-ee لديه القدرة على تحويل قياس اقترانات هيغز-تاو من مرحلة "الاكتشاف" إلى مرحلة "الدقة".

• الحساسية للفيزياء الجديدة: يسمح تحقيق دقة دون الواحد بالمائة في $\kappa_\tau$ بالكشف عن الانحرافات الطفيفة عن النموذج القياسي، مما قد يكشف عن درجات حرية جديدة أو فيزياء تتجاوز النموذج القياسي عند مقاييس طاقة أعلى.
• فيزياء التاو: ستعمل اللمعان العالي ($>10^{11}$ زوج من التاوات) والبيئة النظيفة لـ FCC-ee على تحسين الحدود الحالية لخصائص التاو بعدة مراتب عشرية، مما يعالج حقيقة أن التاو هو حالياً الليبتون المشحون الأقل توصيفاً بدقة.
• التحقق المنهجي: يوفر التطبيق الناجح لتقنيات ParticleNet وكتلة الارتداد في بيئة محاكاة لـ FCC-ee مخططاً قوياً للتحليلات التجريبية المستقبلية في مصادمات الليبتونات.