⚛️ high-energy experiments

Measurement of the jet mass in hadronic decays of boosted W bosons at 13 TeV and extraction of the W boson mass

باستخدام 138 fb $^{-1}$ من بيانات تصادمات بروتون-بروتون عند طاقة 13 TeV التي جمعها تجربة CMS، تقدم هذه الورقة أول قياسات للمقطع العرضي التفاضلي المزدوج غير المفكك لأحداث W+jets المعززة لاستخراج كتلة بوزون W بقيمة 80.83 $\pm$ 0.55 GeV، محققة بذلك أصغر نسبة عدم يقين حتى الآن لحالة نهائية لجميع النفاثات (all-jets) عند مصادم هادروني.

المؤلفون الأصليون: CMS Collaboration

نُشر 2026-03-23

📖 4 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: CMS Collaboration

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك محقق يحاول تحديد نوع معين من السيارات (بوزون W) وهي تسرع عبر ازدحام مروري هائل وفوضوي (تصادمات البروتون-بروتون في سيرن CERN).

عادةً، عندما تتعطل هذه "السيارة"، تنقسم إلى مركبتين أصغر (كواركات) تنطلقان في اتجاهات مختلفة، ويمكنك تمييزهما بسهًا كسيارتين منفصلتين. ولكن في بعض الأحيان، تتحرك هذه "السيارة" بسرعة هائلة لدرجة أنه عندما تتعطل، تُضغط المركبتان الصغيرتان معًا بقوة بحيث تبدوان ككتلة واحدة ضخمة وفوضوية من الحطام.

هذه الورقة البحثية تتحدث عن فريق CMS في سيرن (CERN) وكيف تعلم كيفية تحديد تلك "الكتلة الضخمة الفوضوية" وقياس كتلة "السيارة" الأصلية بدقة، حتى عندما تكون متحركة بسرعة تقارب سرعة الضوء.

إليك قصة كيف فعلوا ذلك، مقسمة إلى خطوات بسيطة:

١. المشكلة: "الكتلة الفوضوية"

عندما يتحرك بوزون W ببطء، يكون من السهل رؤية جزئيه. ولكن عندما يكون "مندفعًا" (Boosted) -أي يتحرك بسرعة فائقة- يندمج الجزءان في "نفث" (Jet) واحد من الجسيمات.

التشبيه: تخيل أنك ترمي حفنة من قصاصات الورق (الكونفيتي). إذا رميتها ببطء، ستنتشر القطع. أما إذا رميتها مع وجود مروحة عملاقة خلفها، فستتجمع القصاصات في كرة ضخمة وسريعة الحركة.
التحدي: الكاشف يرى هذه الكرة الضخمة من القصاصات، ولكن هناك المليارات من "كرات القصاصات" الأخرى في الكون التي ليست بوزونات W؛ بل هي مجرد "قمامة عشوائية" (كواركات وجلوونات) ناتجة عن التصادم. احتاج الفريق إلى طريقة للتمييز بين "كرة بوزون W" وبين "كرة القمامة".

٢. الحل: مُنظِّم الـ "Soft-Drop"

لإيجاد بوزون W، احتاج العلماء إلى تنظيف الفوضى.

التشبيه: تخيل أن لديك كرة ثلج متسخة ومليئة بالطين. تريد معرفة كمية الثلج النقي الموجود بداخلها، لكنها مغطاة بالطين والأغصان الصغيرة. إذا هززت كرة الثلج بلطف، سيسقط الطين والأغصان الواسعة والخفيفة (الإشعاع الناعم والواسع الزاوية)، تاركة خلفها لُبًا كثيفًا ونظيفًا.
الأداة: استخدموا خوارزمية حاسوبية تسمى Soft-Drop. تعمل هذه الخوارزمية مثل "هزاز الثلج الرقمي"؛ فهي تجرد النفث من الجسيمات الخفيفة والفوضوية الموجودة على الأطراف، مما يترك فقط الجسيمات الثقيلة والمركزية. هذا يجعل "كتلة" النفث أكثر وضوحًا.

٣. اختبار "الرأسين" (Two-Prong Test)

حتى بعد تنظيف النفث، كيف تعرف ما إذا كان بوزون W أم مجرد كتلة عشوائية من القمامة؟

التشبيه: فكر في بوزون W كأنه حبة فول سوداني. عندما تنكسر، تنقسم إلى نصفين متميزين (رأسين). أما نفث القمامة العشوائي فهو أشبه بـ كتلة واحدة من الطين.
الأداة: استخدم الفريق "كاشفين" مختلفين للبحث عن شكل الفول السوداني هذا:
1. N(1)2: صيغة رياضية تحصي عدد "الأغصان" التي يمتلكها النفث.
2. ParticleNet: ذكاء اصطناعي (شبكة عصبية) مدرب على التعرف على "بصمة" نفث يشبه الفول السوداني مقابل نفث يشبه كتلة الطين.
- النتيجة: كان الذكاء الاصطناعي (ParticleNet) هو المحقق الأفضل، حيث وجد بوزونات W بدقة أكبر.

٤. "إزالة التغبيش" العظيمة (The Great Unfolding)

كانت البيانات التي جمعوها "ضبابية" لأن الكاشف ليس مثاليًا والتصادمات فوضوية. كانوا بحاجة إلى "إزالة التغبيش" عن الصورة لرؤية ما حدث حقًا على مستوى الجسيمات.

التشبيه: تخيل التقاط صورة لسيارة تتحرك بسرعة من خلال نافذة ضبابية. الصورة تبدو مشوشة. لإصلاح ذلك، تستخدم مرشحًا رياضيًا لـ "إزالة الضباب" يعرف تمامًا كيف تشوه النافذة الضوء. تقوم بتطبيق هذا المرشح على مجموعة البيانات بالكامل لإعادة بناء صورة حادة وواضحة لسرعة وحجم السيارة.
النتيجة: أنشأوا خريطة "ثنائية التفاضل" (Double-differential map). هذه الخريطة تشبه الخريطة الطبوغرافية ثلاثية الأبعاد التي توضح بالضبط عدد بوزونات W الموجودة عند كل سرعة محددة وكل كتلة محددة.

٥. الاكتشاف الكبير: وزن بوزون W

بمجرد حصولهم على الخريطة النظيفة والخالية من التغبيش، نظروا إلى "قمة" الجبل.

التشبيه: إذا وزنت كيسًا من التفاح، فمن المتوقع أن يكون متوسط الوزن حوالي ٥ أرطال. إذا وزنت ١٠٠٠ كيس وكان المتوسط هو ٥.٠٥ رطل، فأنت تعرف الوزن الحقيقي للتفاحة.
القياس: من خلال النظر إلى كتلة جميع نفثات "الفول السوداني" هذه، حسبوا كتلة بوزون W.
- النتيجة: وجدوا أن الكتلة هي ٨٠.٨٣ جيجا إلكترون فولت (GeV) (وحدة طاقة/كتلة).
- نسبة الخطأ: لم يبتعدوا سوى بمقدار ٠.٥٥. وهذا يعتبر دقة مذهلة لهذا النوع من القياسات.

لماذا يهم هذا؟

إنه رقم قياسي جديد: هذا هو أدق قياس لكتلة بوزون W تم إجراؤه باستخدام "النفثات" (Jets) فقط (الحطام الفوضوي). القياسات السابقة استخدمت إشارات "نظيفة" مثل الإلكترونات أو الميونات.
اختبار الكون: النموذج المعياري (الذي هو بمثابة كتاب القواعد الخاص بنا في الفيزياء) يتنبأ بما يجب أن تكون عليه هذه الكتلة. إذا كان قياسنا بعيدًا قليلاً، فقد يعني ذلك وجود "فيزياء جديدة" تختبئ في الظلال - ربما جسيم جديد لم نكتشفه بعد.
الاستعداد للمستقبل: تثبت هذه التجربة أنه يمكننا قياس هذه الجسيمات الثقيلة بدقة عالية حتى عندما تتحرك بسرعات قصوى. وهذا يمهد الطريق لـ "مصادم الهادرونات الكبير عالي السطوع" (High-Luminosity LHC) في المستقبل، حيث سيكون لدينا المزيد من البيانات للبحث عن فيزياء جديدة.

باخت least (الخلاصة): لقد أخذ فريق CMS حادث تصادم فوضوي وعالي السرعة، واستخدموا "هزاز ثلج رقمي" لتنظيف الحطام، واستخدموا الذكاء الاصطناعي لرصد الحطام "شبه الفول السوداني"، واستخدموا الرياضيات لإزالة التغبيش عن الصورة. والنتيجة؟ لقد وزنوا بوزون W بأعلى دقة تم تحقيقها على الإطلاق باستخدام هذه الطريقة المحددة، مما منحنا صورة أوضح لكيفية عمل الكون.

إليك ملخص تقني مفصل للورقة البحثية CMS-SMP-24-012، بعنوان "قياس كتلة النفاثة في التحللات الهادرونية لبوزونات W المعززة عند طاقة 13 تريليون إلكترون فولت واستخراج كتلة بوزون W".

1. بيان المشكلة

كتلة بوزون W ( $m_W$ ) هي بارامتر أساسي في النموذج القياسي (SM). وبينما حققت القياسات السابقة باستخدام قنوات التحلل اللبتونية (مثل $W \to \ell\nu$ ) في تجارب LEP وTevatron وLHC دقة عالية، إلا أن القياسات في الحالة النهائية لجميع النفاثات ( $W \to q\bar{q}'$ ) عانت تاريخياً من عدم يقين كبير بسبب خلفية إنتاج متعدد النفاثات في الكروموديناميكا الكمية (QCD) الهائلة والنمذجة غير المثالية للبنية الفرعية للنفاثة.

في مصادم الهادرونات الكبير (LHC)، تخضع بوزونات W المنتجة بزخم عرضي مرتفع ( $p_T \gg m_W$ ) لتعزيز لورنتزي كبير. في هذا النظام، تكون نواتج التحلل (زوج كوارك-كوارك مضاد) متقاربة للغاية ويتم إعادة بناؤها كنفاثة واحدة ذات نصف قطر كبير بدلاً من نفاثتين منفصلتين. يكمن التحدي في تمييز هذه "نفاثات W المعززة" عن الخلفية الواسعة من النفاثات الناتجة عن الكواركات والغلونات، ونمذجة توزيع كتلة النفاثة بدقة لاستخراج $m_W$ .

2. المنهجية

البيانات والمحاكاة

مجموعة البيانات: تصادمات بروتون-بروتون عند طاقة $\sqrt{s} = 13$ تريليون إلكترون فولت جُمعت بواسطة تجربة CMS خلال الفترة 2016-2018، وهو ما يعادل تكاملاً ضوئياً قدره 138 فمتوبار $^{-1}$ .
المُطلق (Trigger): تم اختيار الأحداث باستخدام مُطلقات تتطلب نفاثة anti- $k_T$ (بمعامل مسافة $R=0.8$ ) بزخم عرضي $p_T > 450$ أو $500$ GeV.
المحاكاة: تمت محاكاة عمليات الإشارة ( $W(qq')+\text{jets}$ ) والخلفية باستخدام MADGRAPH5_aMC@NLO المتصل بـ PYTHIA 8 (ضبط CP5) لعمليات إشعاع البارتونات والتحول الهادروني. استخدمت عينات بديلة HERWIG 7 لتقدير عدم اليقين في نموذج التحول الهادروني. كما تمت محاكاة خلفيات الكوارك العلوي ( $t\bar{t}$ ) وZ+jets باستخدام POWHEG وMADGRAPH على التوالي.

إعادة بناء النفاثة والتهذيب (Grooming)

خوارزمية النفاثة: تم تجميع النفاثات باستخدام خوارزمية anti- $k_T$ بمعامل مسافة $R=0.8$ .
تخفيف تأثير التراكم (Pileup Mitigation): تم تطبيق خوارزمية PUPPI (تحديد الجسيمات لكل تراكم) لوزن الجسيمات بناءً على احتمالية نشوئها من الرأس الأساسي.
تهذيب Soft-Drop: لتخفيف آثار الإشعاع الناعم واسع الزاوية (الذي يؤدي لتوسيع توزيع كتلة النفاثة)، تم تطبيق خوارزمية Soft-Drop (SD). تقوم هذه الخوارزمية بإزالة النفاثات الفرعية الناعمة التي لا تستوفي الشرط التالي:
$\frac{\min(p_{T,1}, p_{T,2})}{p_{T,1} + p_{T,2}} > z_{cut} \left( \frac{\Delta R_{12}}{R} \right)^{\beta_{sd}}$
مع المعاملات الافتراضية $z_{cut}=0.1$ و $\beta_{sd}=0$ . تم أخذ زخم النفاثة ( $p_T$ ) المستخدم للقياس من النفاثة غير المهذبة، بينما حُسبت الكتلة ( $m_{SD}$ ) من النفاثة المهذبة.

التصنيف وتقدير الخلفية

مصنفات البنية الفرعية: تم استخدام استراتيجيتين للتمييز بين نفاثات W (التي تتميز ببنية "ثنائية الرؤوس") وخلفية QCD ("أحادية الرؤوس"):
1. $N^{(1)}_2$ : نسبة دالة ارتباط الطاقة، وهي معرفة نظرياً بشكل جيد.
2. PARTICLENET: مصنف يعتمد على الشبكة العصبية الرسومية (GNN).
- لتجنب الانحياز في قياس الكتلة، تم إنشاء نسخ "منزوعة الارتباط بالكتلة" من هذه المصنفات باستخدام تقنية Design Decorrelated Tagger (DDT)، مما يضمن كفاءة اختيار ثابتة لنفاثات QCD عبر فضاء الطور.
مناطق التحكم: تم تصنيف الأحداث إلى مناطق إشارة (Pass) وتحكم (Fail) بناءً على مخرجات المصنف.
نمذجة الخلفية: تم تقدير شكل خلفية تعدد النفاثات في QCD مباشرة من البيانات في منطقة (Fail) باستخدام طريقة عامل الانتقال (transfer factor). تم استخدام دالة انتقال ثنائية الأبعاد تعتمد على $p_T$ للنفاثة و $\rho_{SD}$ (لوغاريتم $m_{SD}^2/p_T^2$ ) وتمت ملاءمتها باستخدام كثيرات حدود بيرنشتاين لاستقراء شكل الخلفية إلى منطقة الإشارة.

إزالة الالتفاف (Unfolding) والاستخراج

إزالة الالتفاف: تم إجراء ملاءمة قالب الاحتمال الأقصى لإزالة تأثيرات الكاشف، وتصحيح التوزيعات المقاسة لتصبح عند مستوى الجسيمات. تم اشتقاق مصفوفة الاستجابة من المحاكاة، وطُبقت طريقة تنظيم Tikhonov لاستقرار عملية إزالة اللتفاف.
استخراج الكتلة: تم استخراج كتلة بوزون W عن طريق ملاءمة توزيع $m_{SD}$ "المزال عنه الالتفاف" في منطقة الذروة ( $70 < m_{SD} < 90$ GeV) باستخدام قوالب تم إنشاؤها بواسطة PYTHIA عند قيم مختلفة لـ $m_W$ مدخلة (79.0، 80.0، 80.385، 81.0، 82.0 GeV).

3. المساهمات الرئيسية

أول قياس ثنائي التفاضل: تقدم هذه الورقة أول قياس "مزال عنه الالتفاف" للمقطع العرضي ثنائي التفاضل لعملية $W$ +jets كدالة للزخم العرضي للنفاثة ( $p_T$ ) وكتلة Soft-Drop ( $m_{SD}$ ) لبوزونات W المعززة.
تقدير متقدم للخلفية: تنفيذ تقدير قوي لخلفية QCD المستند إلى البيانات باستخدام مصنفات منزوعة الارتباط بالكتلة ودالة انتقال مرنة، مما يقلل الاعتماد على المحاكاة في عملية الخلفية المهيمنة.
الدقة في قناة جميع النفاثات: حققت أصغر عدم يقين حتى الآن لقياس $m_W$ في حالة جميع النفاثات عند مصادم هادروني، مما يثبت جدوى هذه القناة لدراسات المستقبل ذات السطوع العالي.
التحقق من البنية الفرعية: قدمت اختباراً حرجاً لنمذجة البنية الفرعية للنفاثة (إشعاع البارتونات والتحول الهادروني) في نظام يكون فيه بوزون W غير مرتبط لونياً ببقية الحدث (على عكس أحداث $t\bar{t}$ ).

4. النتائج

توزيع كتلة النفاثة

تم قياس المقاطع العرضية ثنائية التفاضل المزالة عنها الالتفاف ( $d\sigma/dm_{SD}dp_T$ ) لـ $p_T > 650$ GeV.
أظهرت البيانات توافقاً جيداً مع التوقعات النظرية (MADGRAPH5_aMC@NLO+PYTHIA مع تصحيحات NLO QCD وEW) ضمن حدود عدم اليقين الكلية.
لوحظت إزاحة طفيفة في موضع الذروة في أعلى فئات $p_T$ مقارنة بالمحاكاة، وهي إزاحة مغطاة ضمن عدم اليقين الكلي.

استخراج كتلة بوزون W

باستخدام ملاءمة القالب للبيانات المزالة عنها الالتفاف في منطقة الذروة:
$m_W = 80.81 \pm 0.55 \text{ GeV (total)}$
تفصيل عدم اليقين:
- إحصائي + خلفية: $\pm 0.36$ GeV
- أنظمة أخرى: $\pm 0.41$ GeV
هيمنة عدم اليقين النظامي: نشأت أكبر قيم عدم اليقين من كفاءة تصنيف W، وتصحيحات NLO لـ V+jets QCD، والإشعاع النهائي للحالة (FSR)، ونموذج التحول الهادروني. كان مقياس طاقة النفاثة (JES) مساهماً كبيراً في عدم اليقين في الشكل.
مخطط إعادة التطبيع: عند التحويل إلى مخطط إعادة التطبيع "على الغلاف" (on-shell) (بإضافة 27 MeV):
$m_W = 80.83 \pm 0.55 \text{ GeV}$

5. الأهمية

التنافسية: رغم أن عدم اليقين الحالي ( $\sim 0.55$ GeV) أكبر من أكثر قياسات اللبتونات دقة ( $\sim 0.01$ GeV)، إلا أن هذه النتيجة تمثل علامة فارقة كبرى. فهي تثبت أن قناة جميع النفاثات يمكن أن تقدم قياساً دقيقاً لـ $m_W$ ، وهو أمر حيوي للتحقق من النموذج القياسي وفحص الفيزياء الجديدة حيث قد تكون القنوات اللبتونية مثبطة أو منحازة.
الآفاق المستقبلية: تعمل هذه الدراسة كإثبات لمفهوم مصادم الهادرونات الكبير ذو السطوع العالي (HL-LHC). ومع الزيادة المتوقعة في التكامل الضوئي (عامل 10-20)، ستنخفض حالات عدم اليقين الإحصائية بشكل كبير، مما قد يجعل قناة جميع النفاثات منافسة للقنوات اللبتونية.
رؤى النمذجة: تسلط هذه القياسات الضوء على مجالات محددة تحتاج فيها نمذجة QCD (خاصة التحول الهادروني وFSR) إلى تحسين لتقليل عدم اليقين النظامي في القياسات عالية الدقة مستقبلاً.

في الختام، تؤسس هذه الورقة إطاراً صارماً لقياس خصائص بوزونات W المعززة في قناة جميع النفاثات، مقدمةً أدق استخراج لـ $m_W$ من هذه الحالة النهائية حتى الآن، وتضع حجر الأساس لفيزياء الدقة في مرحلة HL-LHC.