Search for resonances decaying to an anomalous jet and a Higgs boson in proton-proton collisions at $\sqrt{s}$ = 13 TeV

Die CMS-Experimentgruppe führt mit 138 fb⁻¹ Proton-Proton-Kollisionsdaten bei einer Schwerpunktsenergie von 13 TeV eine Suche nach Resonanzen durch, die in ein Higgs-Boson und einen anomalen Jet zerfallen, wobei ein Autoencoder zur Identifizierung des anomalen Jets eingesetzt wird, ohne dass ein signifikanter Überschuss über dem Standardmodell-Hintergrund beobachtet wurde.

Das Wesentliche

Die große Suche nach dem „Geheimnis im Koffer"

Stellen Sie sich vor, das Universum ist wie ein riesiger, geschäftiger Bahnhof (der LHC am CERN). Jeden Tag werden dort zwei Züge mit unglaublicher Geschwindigkeit gegeneinander gefahren. Wenn sie kollidieren, explodieren sie in tausende kleine Scherben (Teilchen). Die Physiker des CMS-Experiments sind wie Detektive, die versuchen, aus diesen Scherben zu rekonstruieren, was eigentlich passiert ist.

Normalerweise finden sie nur die bekannten Scherben: Steine, Holz, Glas (das sind die bekannten Teilchen des Standardmodells). Aber sie suchen nach etwas Besonderem: einem neuen, unbekannten Koffer, der in der Explosion versteckt war.

Das Szenario: Ein mysteriöses Paket (X)

Die Detektive gehen davon aus, dass bei der Kollision manchmal ein schweres, neues Teilchen entsteht, nennen wir es X. Dieses Teilchen ist instabil und zerfällt sofort in zwei Teile:

1. Ein bekanntes Teilchen: Das Higgs-Boson (ein sehr bekannter „Schlüsselstein" der Physik).
2. Ein unbekanntes Teilchen: Y.

Das Problem: Das Teilchen Y ist ein Tarnkappen-Meister. Es könnte alles sein! Ein neues, schweres Teilchen oder etwas ganz Seltsames.

Die Herausforderung: Der „Schrotthaufen"

Wenn diese Teilchen so schnell sind (was bei den hohen Energien der Fall ist), zerfallen sie nicht in einzelne, gut sichtbare Kugeln. Stattdessen werden sie zu einem einzigen, riesigen, dichten „Schrotthaufen" (einem Jet).

• Der Higgs-Teil zerfällt zu einem Haufen aus „Bottom-Quarks". Das ist wie ein Haufen roter Steine.
• Der Y-Teil zerfällt auch zu einem Haufen. Aber was ist drin? Vielleicht rote Steine, vielleicht blaue, vielleicht gar keine Steine, sondern nur Rauch?

Die Detektive haben zwei große Schrotthaufen vor sich. Sie müssen herausfinden: Ist da wirklich ein neuer Koffer (Y) drin, oder ist es nur gewöhnlicher Schrott?

Die zwei Werkzeuge der Detektive

Um das herauszufinden, nutzen die Wissenschaftler zwei clevere Tricks:

1. Der „Rot-Stein-Scanner" (PartiNet)
Sie wissen genau, wie ein Higgs-Boson aussieht (ein Haufen roter Steine). Sie nutzen einen hochmodernen Scanner (einen Algorithmus namens PartiNet), der sich auf die Suche nach genau diesem Muster spezialisiert hat.

• Die Analogie: Stellen Sie sich vor, Sie suchen in einem Haufen Müll nach einem bestimmten roten Koffer. Der Scanner sagt: „Aha! Dieser Haufen sieht aus wie ein roter Koffer!" Das ist ihr Beweis, dass das Higgs-Teil da war.

2. Der „Anomalie-Detektor" (Autoencoder)
Jetzt kommt der spannende Teil: Was ist mit dem anderen Haufen (Y)? Da sie nicht wissen, wonach sie suchen sollen, können sie keinen spezifischen Scanner bauen. Stattdessen nutzen sie einen Autoencoder (eine Art KI-Künstler).

• Die Analogie: Stellen Sie sich vor, Sie trainieren einen Künstler, nur Bilder von „normalem Müll" (gewöhnliche Quarks und Gluonen) zu zeichnen. Der Künstler lernt, wie normaler Müll aussieht.
• Wenn Sie ihm dann einen Haufen zeigen, der nicht wie normaler Müll aussieht (weil er zum Beispiel von einem neuen Teilchen Y stammt), wird der Künstler verwirrt sein. Er kann das Bild nicht gut nachzeichnen.
• Je schlechter die Nachzeichnung, desto höher die „Anomalie-Score". Das bedeutet: „Hey, dieser Haufen sieht verdächtig anders aus als alles, was wir kennen!"

Die Jagd im Daten-Ozean

Die Wissenschaftler haben Daten aus den Jahren 2016 bis 2018 analysiert – das entspricht einer riesigen Menge an Kollisionen (138 fb⁻¹). Sie haben Millionen von Schrotthaufen durchsucht.

Sie haben vier verschiedene Szenarien durchgespielt, wie der mysteriöse Koffer Y aussehen könnte:

1. Y zerfällt in zwei W-Bosonen (wie zwei kleine Raketen).
2. Y zerfällt in zwei leichte Quarks (wie zwei kleine Steine).
3. Y zerfällt in zwei Top-Quarks (sehr schwere Brocken).
4. Y ist ein Top-Quark, das von einem noch schwereren Teilchen stammt.

Das Ergebnis: Noch keine Entdeckung, aber ein Sieg der Methode

Das Ergebnis der Jagd? Kein neuer Koffer wurde gefunden.
Die Daten sahen genau so aus, wie die Physiker es von den bekannten Gesetzen der Physik (dem Standardmodell) erwartet hatten. Es gab keine „Anomalie", die auf ein neues Teilchen hindeutete.

Aber warum ist das trotzdem wichtig?
Stellen Sie sich vor, Sie suchen nach einem neuen Tier im Dschungel. Sie finden es nicht. Aber Sie haben jetzt eine neue, super-effektive Kamera (die Kombination aus Rot-Stein-Scanner und Anomalie-Detektor) entwickelt, mit der Sie den Dschungel viel besser absuchen können als zuvor.

• Die Studie hat bewiesen, dass diese Methode funktioniert.
• Sie hat die Grenzen gesetzt: Wenn es so ein Teilchen Y gibt, dann muss es entweder viel schwerer oder viel seltener sein als bisher angenommen.
• Sie haben die „Suche" für viele verschiedene Szenarien gleichzeitig durchgeführt, ohne sich auf eine einzige Theorie festzulegen. Das ist wie eine „Allgemeine Suche nach Außerirdischen" statt nur nach Martians.

Fazit

Die Detektive haben keine neuen Monster gefunden, aber sie haben ihre Werkzeuge geschärft. Sie haben gezeigt, wie man mit moderner KI und cleveren Tricks nach dem Unbekannten sucht, ohne genau zu wissen, wonach man eigentlich suchen muss. Und das ist der erste Schritt, um eines Tages vielleicht doch das große Geheimnis des Universums zu lüften.

Technische Zusammenfassung

Titel: Suche nach Resonanzen, die in einen anomalen Jet und ein Higgs-Boson zerfallen, bei Proton-Proton-Kollisionen bei $\sqrt{s} = 13$ TeV

Veröffentlichung: European Physical Journal C (CERN-EP-2025-190), CMS-Kollaboration.

---

1. Problemstellung und Motivation

Das Standardmodell (SM) der Teilchenphysik ist zwar erfolgreich, lässt jedoch Phänomene wie Dunkle Materie und die Baryonenasymmetrie des Universums unerklärt. Viele Theorien jenseits des Standardmodells (BSM) sagen neue schwere Teilchen voraus.

• Ziel: Die Suche nach einem neuen schweren Resonanzteilchen $X$, das in ein Higgs-Boson ($H$) und ein zweites Teilchen $Y$ zerfällt ($X \to H Y$).
• Herausforderung: Herkömmliche Suchen sind oft auf spezifische Zerfallskanäle von $Y$ beschränkt. Um verschiedene BSM-Szenarien gleichzeitig abzudecken, wird ein modellunabhängiger Ansatz benötigt, der nach "anomalen" Jets sucht, ohne vorherige Annahmen über die genaue Natur von $Y$ zu treffen.
• Kinetik: Da $X$ sehr massiv sein soll (1,4–3,0 TeV), werden $H$ und $Y$ stark Lorentz-boosted. Ihre Zerfallsprodukte kollimieren und werden als einzelne "Large-Radius-Jets" (R=0,8) rekonstruiert.

2. Methodik und Analyse-Strategie

Die Analyse verwendet Daten der CMS-Experimente aus den Jahren 2016–2018 mit einer integrierten Luminosität von 138 fb⁻¹.

A. Ereignisauswahl und Rekonstruktion

• Trigger: Basierend auf signifikanter Jet-Aktivität (einzelne AK8-Jets mit hohem $p_T$ oder hohe Summe der $p_T$ von AK4-Jets).
• Offline-Auswahl: Zwei führende AK8-Jets mit $p_T > 300$ GeV und $|\eta| < 2.4$. Die invariante Masse des Jet-Paares ($M_{jj}$) muss $> 1300$ GeV betragen.
• H-Kandidat: Der Jet, der am ehesten einem $H \to b\bar{b}$-Zerfall entspricht, wird identifiziert.
• Y-Kandidat: Der andere Jet repräsentiert das unbekannte Teilchen $Y$.

B. Tagging-Algorithmen (Maschinelles Lernen)

Die Analyse nutzt zwei komplementäre ML-Methoden:

1. PARTICLENET (für $H$): Ein Graph-Neural-Network, das Jets klassifiziert, die mit dem Zerfall eines massiven Teilchens in $b\bar{b}$ übereinstimmen. Es definiert "Pass"- und "Fail"-Regionen basierend auf einem Arbeitspunkt mit ca. 60% Signaleffizienz und 0,5% Fehltag-Rate.
2. Autoencoder (AE) (für $Y$): Ein unüberwachtes Lernmodell (Autoencoder), das Jets als 32x32 Pixel-Bilder im $\eta$-$\phi$-Raum darstellt.
   • Prinzip: Der AE wird ausschließlich auf QCD-Multijet-Simulationen trainiert, um typische Jet-Substrukturen effizient zu komprimieren und zu rekonstruieren.
   • Anomalie-Score: Der mittlere quadratische Fehler zwischen Eingabe und Rekonstruktion dient als Score. Hohe Scores deuten auf Abweichungen von typischen QCD-Jets hin (z. B. Zerfälle in $WW$, $tt$, oder $qq$). Dies ermöglicht die Suche nach $Y$ ohne spezifische Signalannahmen.

C. Statistisches Modell

• Vier Regionen: Die Ereignisse werden in vier orthogonale Kategorien unterteilt basierend auf PARTICLENET (Pass/Fail) und AE-Score (Messregion MR / Kontrollregion CR):
  • MR Pass: Suchregion für das Signal.
  • MR Fail / CR Pass / CR Fail: Kontrollregionen zur Validierung der Hintergrundschätzung.
• Hintergrundschätzung: Der dominante QCD-Multijet-Hintergrund wird mit der Pass-to-Fail-Ratio-Methode geschätzt. Das Verhältnis der Verteilungen zwischen Pass- und Fail-Regionen wird durch ein Polynom modelliert und im Fit bestimmt.
• Suchraum: Eine zweidimensionale Suche nach lokalen Überschüssen in der Ebene aus $M_{jj}$ (Masse von $X$) und $M_{Y}^j$ (Masse von $Y$).

3. Benchmark-Szenarien

Die Analyse testet vier spezifische Szenarien, um die Leistungsfähigkeit zu validieren:

1. Haupt-Szenario: $Y$ ist ein skalares Teilchen, das in ein $W^+W^-$-Paar zerfällt (hadronisch).
2. Alternative 1: $Y \to q\bar{q}$ (leichte Quarks).
3. Alternative 2: $Y \to t\bar{t}$ (Top-Antitop-Paar, vollständig hadronisch).
4. Alternative 3: $Y$ ist ein Top-Quark aus dem Zerfall eines Vektor-ähnlichen Quarks ($X \to H t$).

4. Ergebnisse

• Beobachtung: Es wurde kein signifikanter Überschuss von Ereignissen über den erwarteten Standardmodell-Hintergrund hinaus gefunden.
• Statistische Signifikanz: Der größte lokale Überschuss betrug 2,1 Standardabweichungen bei $M_X = 1600$ GeV und $M_Y = 90$ GeV (nicht signifikant nach Korrektur für den "Look-Elsewhere-Effekt").
• Obergrenzen: Es wurden 95%-Konfidenzintervall-Obergrenzen für die Wirkungsquerschnitte der Benchmark-Signale gesetzt.
  • Für das Haupt-Szenario ($X \to H(bb)Y(WW)$) liegen die Grenzen im Bereich von 0,3 fb bis 15,8 fb, abhängig von den Massen $M_X$ und $M_Y$.
  • Die Grenzen für die alternativen Szenarien ($Y \to uu, tt, bqq'$) sind die bisher strengsten für diese Prozesse im Lorentz-boosted Regime.
• Vergleich: Die Analyse übertrifft frühere, rein unüberwachte Suchen (z. B. von ATLAS) in der Sensitivität für spezifische Higgs-enthaltende Topologien, da die Kombination aus targeted $H$-Tagging und unüberwachter $Y$-Suche die Unterdrückung des Hintergrunds verbessert.

5. Bedeutung und Beiträge

• Hybrid-Ansatz: Die Arbeit demonstriert erfolgreich die Kombination von zielgerichteter Suche (für das bekannte Higgs-Boson) und modellunabhängiger Anomalieerkennung (für das unbekannte Teilchen $Y$). Dies erweitert die Reichweite von BSM-Suchen erheblich.
• Technische Innovation: Der Einsatz eines Autoencoders zur Jet-Anomalieerkennung in einer realen Suchanalyse bei LHC-Daten zeigt die praktische Anwendbarkeit von unüberwachtem Lernen in der Hochenergiephysik.
• Erweiterter Suchraum: Durch die Betrachtung verschiedener Zerfallskanäle von $Y$ (inkl. Top-Quarks und Vektor-ähnlicher Quarks) deckt die Analyse ein breites Spektrum theoretischer Modelle ab, darunter NMSSM und Modelle mit Vektor-ähnlichen Quarks.
• Ressourcen: Die trainierten Autoencoder-Gewichte und die tabellierten Ergebnisse sind öffentlich auf HEPData verfügbar, was die Reproduzierbarkeit und weitere Forschung fördert.

Fazit: Die Analyse bestätigt die Robustheit des Standardmodells im untersuchten Massenbereich, setzt jedoch die bisher strengsten Grenzen für eine Vielzahl von BSM-Szenarien, die ein Higgs-Boson und ein anomales Jet-System beinhalten.