Probing Heavy Neutral Higgs Bosons via Single Vector-Like Bottom Quark Production at the HL-LHC

إليك ملخص تقني مفصل للورقة البحثية بعنوان "سبر أغوار بوزونات هيجز المحايدة الثقيلة عبر الإنتاج الفردي لكرك الكوارك السفلي من النوع المتجه عند مصادم الهادرونات الكبير عالي السطوع (HL-LHC)".

1. بيان المشكلة

تواجه النموذج المعياري (SM) تحديات نظرية مثل مشكلة التسلسل الهرمي، مما يحفز التوسعات مثل نموذج هيجز مزدوج التشكيل (2HDM) وإدراج الكواركات المتجهة (VLQs).

• الفجوة: ركزت عمليات البحث التجريبية عن الكواركات المتجهة (تحديداً كواركات البوتوم المتجهة، $B$) في مصادم الهادرونات الكبير (LHC) تقليدياً على أنماط التحلل "التقليدية" إلى جسيمات النموذج المعياري ($B \to Wt, Zb, hb$).
• المشكلة: في التوسعات التي تجمع بين 2HDM وVLQs، يمكن أن تهيمن مسارات التحلل "الغريبة" التي تتوسطها بوزونات هيجز المحايدة الثقيلة ($H$ أو $A$). وتحديداً، يمكن لسلسلة التحلل $B \to \phi b$ (حيث $\phi = H, A$) متبوعة بـ $\phi \to t\bar{t}$ أن تمتلك نسب تفرع (BR) تصل إلى حوالي $50\%$.
• النتيجة: إذا هيمنت هذه الأنماط الغريبة، فإن استراتيجيات البحث القياسية التي تفترض تحللات النموذج المعياري ستفقد حساسيتها، مما قد يسمح للكواركات المتجهة الثقيلة بالإفلات من الكشف. هناك حاجة لتحديد إمكانات الاكتشاف لهذه القنوات غير القياسية المحددة في مصادم الهادرونات الكبير عالي السطوع (HL-LHC).

2. الإطار النظري

تستند الدراسة إلى نموذج 2HDM من النوع الثاني الممتد بواسطة ثنائية $(T, B)$ من نوع $SU(2)_L$ متجهة.

• بارامترات النموذج: تأخذ التحليلات في الاعتبار حد المحاذاة ($\sin(\beta-\alpha) \to 1$)، حيث يحاكي بوزون هيجز الخفيف ذو الزوج الفردي ($h$) بوزون هيجز المعياري. البوزونات القياسية الثقية هي $H$ (CP-even) و $A$ (CP-odd).
• الخلط: يختلط كوارك البوتوم المتجه $B$ مع كوارك البوتوم المعياري. يتم تمثيل هذا الخلط عبر زوايا $\theta_{L,R}^d$. تفترض الدراسة وجود تسلسل هرمي حيث يكون الخلط جهة اليمين مع قطاع النوع السفلي ($s_R^d$) أكبر بكثير من الخلط مع النوع العلوي ($s_R^u$).
• ديناميكيات التحلل:
  • يتناسب اقتران التحلل الغريب $B \to \phi b$ مع $\tan\beta \cdot s_R^d c_R^d$.
  • يتناسب اقتران التحللات التقليدية ($B \to Zb, hb$) مع $s_R^d c_R^d$ (بدون تعزيز $\tan\beta$).
  • النتيجة: بالنسبة لقيم $\tan\beta$ الكبيرة والخلط المناسب، تهيمن التحللات الغريبة، حيث $BR(B \to Hb) \approx BR(B \to Ab) \approx 50\%$.

3. المنهجية

أجرى المؤلفون محاكاة كاملة للمصادم عند طاقة مركز الكتلة $\sqrt{s} = 14$ TeV لتقييم آفاق الاكتشاف.

أ. الإشارة والخلفيات

• عملية الإشارة: الإنتاج الفردي لكوارك بوتوم متجه عبر اندماج بوزون $Z$ ($pp \to B\bar{b}j$)، متبوعاً بسلسلة التحلل:
  $$B \to \phi b \to (t\bar{t}) b \to (W^+ b \bar{t}) b \to (\ell^+ \nu b \bar{t}) b$$
  الحالة النهائية: لبتون مشحون واحد ($\ell$)، طاقة عرضية مفقودة ($E_T^{miss}$)، وعدة نفاثات $b$ (تحديداً 3 نفاثات $b$ من تحللات التوب والبوتوم، بالإضافة إلى نفاثة الارتداد).
• الخلفيات: تشمل خلفيات النموذج المعياري المهيمنة $t\bar{{t}}b\bar{b}$، و $t\bar{t}V$ (حيث $V=W, Z, h$)، و $t\bar{t}jj$، و $b\bar{b}WW$.
• أدوات المحاكاة:
  • توليد الأحداث: MadGraph5_aMC@NLO (v2.9.14).
  • التذرية/الهدرنة: Pythia 8.30.
  • محاكاة الكاشف: Delphes 3.5.0 (بطاقة CMS).
  • إطار التحليل: MadAnalysis 5.

ب. استراتيجيات التحليل

تمت مقارنة نهجين متميزين للتحليل:

1. التحليل القائم على القطع (Cut-Based Analysis): نهج تقليدي يستخدم قطعاً حركية متتالية على متغيرات مثل $E_T^{miss}$ و $E_T$ و $p_T$ للبتونات والنفاثات.
2. التحليل القائم على التعلم الآلي (ML Analysis): نهج متعدد المتغيرات باستخدام XGBoost (تعزيز التدرج المتطرف).
   • الميزات المدخلة: 13 متغيراً حركياً تشمل $p_T$ للنفاثات/البتونات/نفاثات $b$، والكتل الثابتة، والانفصال الزاوي ($\Delta R$)، وأعداد الأحداث ($N_b, N_j$).
   • التدريب: تم تدريب المصنف للتمييز بين الإشارة والخلفية، مع تحسين المعلمات الفائقة (مثل n_estimators=800, max_depth=4).
   • التحقق: أكدت اختبارات كولموغوروف-سميرنوف (KS) عدم وجود فرط ملاءمة (overfitting) ملموس.

4. النتائج الرئيسية

أ. نسب التفرع والمقاطع العرضية

• في سيناريوهات المعايير المرجعية (BP1, BP2, BP3)، تهيمن التحللات الغريبة $B \to Hb$ و $B \to Ab$ بنسب تفرع تتراوح بين ~30% إلى 48%.
• ينخفض المقطع العرضي للإنتاج $pp \to B\bar{b}j$ من $\sim 0.04$ pb عند $m_B = 1$ TeV إلى $\sim 1.5 \times 10^{-3}$ pb عند $m_B = 2$ TeV.

ب. مقارنة الأداء: التحليل القائم على القطع مقابل XGBoost

• التحليل القائم على القطع: حقق دلالة اكتشاف $5\sigma$ فقط عند لومينوسية متكاملة عالية جداً ($L \approx 3 \text{ ab}^{-1}$) وللكتل المنخفضة ($m_B \lesssim 1.3$ TeV). انخفضت الحساسية بسرعة مع زيادة الكتلة وعدم اليقين في النظام.
• XGBoost: أظهر قدرة تمييز فائقة.
  • المساحة تحت المنحنى (AUC): حقق قيماً تتراوح بين 0.963 و 0.980، مما يشير إلى فصل ممتاز بين الإشارة والخلفية.
  • أهمية الميزات: كان الزخم المستعرض للنفاثة الرائدة ($p_T(j)$) والكتلة الثابتة للنفاثات المزدوجة هما أكثر المتغيرات تمييزاً.

ج. مدى الاكتشاف عند HL-LHC

قيمت الدراسة مدى اكتشاف $5\sigma$ لمختلف اللومينوسيات المتكاملة ($L$) وعدم اليقين في النظام ($\delta$):

| اللومينوسية المتكاملة | مدى الاكتشاف ($m_B$) | الظروف |
| :--- | :| :--- |
| 600 fb$^{-1}$ | $\sim 1.3$ TeV | صالح لـ $\delta = 5\%, 10\%, 15\%$ |
| 1.5 ab$^{-1}$ | $\sim 1.5$ TeV | صالح لـ $\delta = 5\%$ |
| 3.0 ab$^{-1}$ | $\sim 1.6$ TeV | صالح لـ $\delta = 5\%$؛ $\sim 1.5$ TeV لـ $\delta = 10-15\%$ |

• الدلالة: للتحليل عند $L = 3 \text{ ab}^{-1}$ و $m_B = 1.2$ TeV، يحقق تحليل XGBoost دلالة قدرها $\sim 18.5\sigma$، مقارنة بقيمة أقل بكثير للنهج القائم على القطع.
• المتانة: يحافظ نهج التعلم الآلي على حساسية $5\sigma$ حتى مع عدم يقين في النظام يصل إلى 15%.

5. الأهمية والاستنتاج

• الأثر الفينومينولوجي: توضح الورقة أن افتراض أنماط التحلل المعيارية فقط لـ VLQs هو أمر غير كافٍ. في سيناريوهات 2HDM+VLQ، يمكن أن تهيمن التحللات الغريبة، مما يجعلها قناة الاكتشاف الرئيسية.
• التقدم المنهجي: تسلط الدراسة الضوء على الدور الحاسم لـ التحليل متعدد المتغيرات (XGBoost) في فيزياء الطاقات العالية. فهو يتفوق بشكل كبير على الطرق التقليدية القائمة على القطع، مما يوسع مدى الكتلة بمئات الجيجا إلكترون فولت ويوفر المتانة ضد عدم اليقين في النظام.
• الآفاق المستقبلية: تعتبر القناة المقترحة ($B \to \phi b \to t\bar{t}b$) هدفاً واعداً لـ HL-LHC. فهي تقدم مسباراً فريداً لكل من قطاع الكواركات المتجهة الثقيلة وقطاع هيجز الممتد، مما قد يكشف عن فيزياء جديدة قد تظل مخفية في عمليات البحث التقليدية.

باختصار، يوفر هذا العمل خارطة طريق شاملة لاكتشاف كواركات البوتوم المتجهة الثقيلة التي تتحلل إلى بوزونات هيجز الثقيلة، ويثبت أن تقنيات التعلم الآلي المتقدمة ضرورية لتعظيم إمكانات الاكتشاف لـ HL-LHC في هذا السيناريو المحدد من الفيزياء ما وراء النموذج المعياري (BSM).