Search for $H\rightarrow c\bar{c}$ and measurement of $H\rightarrow b\bar{b}$ via $t\bar{t}H$ production

Diese Studie des CMS-Experiments nutzt Proton-Proton-Kollisionsdaten bei 13 TeV, um gleichzeitig nach dem Higgs-Zerfall in Charm-Quarks zu suchen und den Zerfall in Bottom-Quarks zu messen, wobei die Ergebnisse mit den Vorhersagen des Standardmodells vereinbar sind und eine Obergrenze für die Charm-Yukawa-Kopplung festlegen.

Das Wesentliche

Das große Ziel: Den „Charm"-Quark finden

Stellen Sie sich das Universum wie eine riesige, chaotische Fabrik vor, in der unvorstellbar kleine Bausteine (Teilchen) mit fast Lichtgeschwindigkeit gegeneinander geschleudert werden. Die Physiker am CMS-Detektor (ein riesiger, hochkomplexer Kamera-Apparat am CERN) versuchen, aus diesem Chaos ein sehr seltenes Muster zu erkennen.

Das Ziel dieser Studie war es, einen speziellen „Baustein" namens Charm-Quark zu finden, der aus einem Higgs-Boson entsteht. Das Higgs-Boson ist wie ein unsichtbarer Kleber, der anderen Teilchen ihre Masse gibt. Aber das Higgs zerfällt sofort wieder. Meistens zerfällt es in schwere Teilchen (Bottom-Quarks), aber manchmal – und das ist das Spannende – in leichtere Teilchen (Charm-Quarks).

Das Problem: Charm-Quarks sind wie Tarnkappen-Flugzeuge. Sie sehen in den Daten fast genauso aus wie andere, viel häufigere Teilchen (Bottom-Quarks oder ganz normale „Licht"-Teilchen).

Die Detektivarbeit: Ein Nadelstich im Heuhaufen

Um dieses seltene Ereignis zu finden, haben die Forscher einen cleveren Trick angewendet:

1. Der perfekte Ort: Sie haben nicht einfach überall gesucht, sondern sich auf eine sehr spezifische Situation konzentriert: Wenn das Higgs-Boson zusammen mit einem Top-Quark-Paar (den schwersten Teilchen im Standardmodell) produziert wird. Man kann sich das wie einen schweren Lastwagen vorstellen, der einen kleinen, schwer fassbaren Passagier (das Higgs) transportiert. Wenn der Lastwagen (Top-Paar) und der Passagier (Higgs) zusammen auftauchen, ist es wahrscheinlicher, dass wir den Passagier genau beobachten können.
2. Die Datenmenge: Sie haben Daten aus den Jahren 2016 bis 2018 analysiert. Das entspricht einer enormen Menge an Kollisionen (138 „Femtobarn" – eine Maßeinheit für die Menge an Daten, die so groß ist, dass man sie sich kaum vorstellen kann).
3. Die KI als Detektiv: Da die Daten so komplex sind, haben die Forscher keine menschlichen Detektive, sondern Künstliche Intelligenz (KI) eingesetzt.
   • ParticleNet: Eine KI, die wie ein erfahrener Koch ist, der aus einem Haufen Zutaten (Teilchen) sofort erkennt: „Das ist ein Topf mit Fisch (Bottom-Quark), das ist ein Topf mit Huhn (Charm-Quark) und das ist nur Wasser (andere Teilchen)."
   • ParT (Particle Transformer): Eine noch ausgefeiltere KI, die wie ein Schachgroßmeister ist. Sie schaut sich nicht nur die einzelnen Zutaten an, sondern versteht das ganze Spiel: Wie bewegen sich die Teilchen? Wie passen sie zusammen? Sie sortiert die Kollisionen in „Signal" (wir haben es gefunden!) und „Hintergrund" (nur Rauschen).

Was haben sie herausgefunden?

Die Ergebnisse lassen sich in zwei Teile gliedern:

1. Die Bestätigung des Bekannten (Higgs zu Bottom):
Zuerst haben sie geprüft, ob ihre Methode funktioniert, indem sie suchten, wie oft das Higgs in Bottom-Quarks zerfällt.

• Ergebnis: Es hat funktioniert! Sie haben das Signal mit einer Sicherheit von 4,4 Sigma gesehen.
• Vergleich: Stellen Sie sich vor, Sie werfen eine Münze 100 Mal. Wenn Sie 91 Mal Kopf und 9 Mal Zahl werfen, ist das normal. Wenn Sie aber 91 Mal Kopf werfen, während die Wahrscheinlichkeit eigentlich 50/50 ist, wissen Sie: Hier stimmt etwas nicht – oder in diesem Fall: Hier haben wir das Signal gefunden! Die Messung passte perfekt zu dem, was die Theorie (das Standardmodell) vorhergesagt hatte.

2. Die Suche nach dem Geheimnis (Higgs zu Charm):
Jetzt kam der schwierige Teil: Hatte das Higgs auch in Charm-Quarks zerfallen?

• Ergebnis: Sie haben kein eindeutiges Signal gefunden. Das ist aber auch ein Ergebnis!
• Die Grenze: Sie konnten sagen: „Wenn das Higgs in Charm zerfällt, dann passiert das höchstens 7,8-mal öfter, als die Theorie es erwartet."
• Die Yukawa-Kopplung: Das ist ein Maß dafür, wie stark das Higgs an das Charm-Teilchen „klebt". Die Forscher haben berechnet, dass dieser „Klebefaktor" höchstens 3-mal so stark sein kann wie im Standardmodell vorhergesagt.
• Vergleich: Stellen Sie sich vor, Sie suchen nach einem bestimmten Duft in einem Raum. Sie haben ihn nicht gerochen. Aber Sie können sagen: „Wenn er da wäre, müsste er mindestens so stark riechen wie ein Blumentopf, damit wir ihn bemerkt hätten. Da wir nichts gerochen haben, ist der Duft höchstens so schwach wie ein einzelnes Rosenblatt."

Warum ist das wichtig?

Das Standardmodell der Physik ist wie ein fast perfektes Kochrezept. Aber wir wissen noch nicht, ob es alle Zutaten richtig beschreibt.

• Wenn das Higgs viel stärker an Charm-Quarks kleben würde als gedacht, wäre das ein Riesen-Hinweis auf neue Physik – vielleicht gibt es noch unbekannte Teilchen oder Kräfte.
• Da die Forscher jetzt eine sehr strenge Obergrenze gesetzt haben (der Klebefaktor ist nicht riesig), haben sie den Bereich für neue Theorien eingegrenzt. Es ist, als hätten sie einen riesigen Suchbereich auf einer Landkarte abgesteckt und gesagt: „Hier ist nichts Neues zu finden, wir müssen woanders suchen."

Fazit

Die Physiker haben mit Hilfe von super-intelligenten Computern und riesigen Datenmengen bewiesen, dass ihre Methoden funktionieren (sie haben das Bottom-Signal gefunden). Gleichzeitig haben sie eine sehr genaue Grenze gesetzt für das Charm-Signal: Es ist nicht so häufig wie ein Wunder, aber es könnte immer noch etwas schwächer sein als gedacht. Die Jagd geht weiter, und mit noch mehr Daten in der Zukunft wird die Suche noch schärfer.

Technische Zusammenfassung

Titel: Suche nach $H \to c\bar{c}$ und Messung von $H \to b\bar{b}$ via $t\bar{t}H$-Produktion

Verfasser: Maarten De Coen (im Namen der CMS-Kollaboration)
Datenbasis: Proton-Proton-Kollisionen bei 13 TeV (CMS-Detektor, 2016–2018), integrierte Luminosität von 138 fb$^{-1}$.

---

1. Problemstellung und Motivation

Seit der Entdeckung des Higgs-Bosons im Jahr 2012 liegt der Fokus der Forschung auf der Vermessung der Yukawa-Kopplungen zwischen dem Higgs-Boson und Fermionen. Während die Kopplung an das Top-Quark und das Bottom-Quark gut vermessen ist, stellt die Kopplung an das Charm-Quark (zweite Generation) eine große Herausforderung dar.

• Herausforderung: Die Suche nach dem Zerfall $H \to c\bar{c}$ ist extrem schwierig, da sie durch eine enorme Untergrundrate von $t\bar{t} + \text{jets}$ (insbesondere mit Charm- oder Bottom-Flavour) überlagert wird. Die Unterscheidung zwischen Charm-Jets, Bottom-Jets und leichten Jets (Up, Down, Strange) erfordert eine hohe Präzision.
• Ziel: Die Arbeit präsentiert eine Suche nach der assoziierten Produktion eines Higgs-Bosons mit einem Top-Antitop-Paar ($t\bar{t}H$), wobei das Higgs-Boson in ein Charm-Quark-Paar zerfällt ($H \to c\bar{c}$). Parallel dazu wird der Prozess $t\bar{t}H(H \to b\bar{b})$ vermessen, um die Analyse zu validieren.

2. Methodik und Analyse-Strategie

Die Analyse nutzt fortschrittliche maschinelle Lernverfahren (Machine Learning) sowohl für das Jet-Flavour-Tagging als auch für die Ereignisklassifizierung.

• Ereignisselektion:

  • Betrachtet werden alle drei Zerfallskanäle des $t\bar{t}$-Paares: vollständig hadronisch (0L), semileptonisch (1L) und dileptonisch (2L).
  • Selektionskriterien umfassen eine hohe Anzahl von Jets (7, 5 bzw. 4 je nach Kanal), minimale fehlende transversale Impulse und hohe Summen der Jet-Transversalimpulse.
  • Es werden mindestens 3 Jets gefordert, die als $b$- oder $c$-Jets getaggt sind, wobei mindestens einer als $b$-Jet identifiziert sein muss.

• Jet-Flavour-Tagging (ParticleNet):

  • Ein graphenbasiertes neuronales Netzwerk (ParticleNet) wird verwendet, um Jets zu kategorisieren.
  • Basierend auf den Ausgabe-Scores werden Jets in Kategorien für leichte Jets, $b$-Jets (B1–B4) und $c$-Jets (C1–C4) unterteilt. Dies ermöglicht eine Trennung von schweren und leichten Jets sowie zwischen $b$- und $c$-Flavour.

• Ereignisklassifizierung (Particle Transformer - ParT):

  • Ein auf Transformer-Architekturen basierendes neuronales Netzwerk (ParT) verarbeitet die Eigenschaften und Paar-Features der Ereignisobjekte (Jets, Leptonen, fehlender Impuls).
  • Trainingsklassen: Das Netz wird trainiert, um zwischen Signalprozessen ($t\bar{t}H \to c\bar{c}, b\bar{b}$; $t\bar{t}Z \to c\bar{c}, b\bar{b}$) und Untergrundprozessen ($t\bar{t} + \text{jets}$, unterteilt nach Flavour der zusätzlichen Jets, sowie QCD-Multijet-Ereignisse im 0L-Kanal) zu unterscheiden.
  • Regionen: Basierend auf den ParT-Scores werden Ereignisse in Signalregionen (SR, angereichert durch Signale) und Kontrollregionen (CR, zur Bestimmung der Untergrund-Normalisierung) eingeteilt.

• Statistische Auswertung:

  • Ein binned Profil-Likelihood-Fit wird durchgeführt.
  • Die Signalstärke $\mu$ (Verhältnis von beobachteter zu erwarteter Ereignisrate im Standardmodell) wird für die Signale $t\bar{t}H(H \to b\bar{b})$ und $t\bar{t}H(H \to c\bar{c})$ bestimmt.
  • Unsicherheiten (experimentell und theoretisch) werden als Nuisance-Parameter im Fit berücksichtigt.

3. Wichtige Ergebnisse

• Messung von $t\bar{t}H(H \to b\bar{b})$:

  • Die gemessene Signalstärke beträgt $\mu = 0.91^{+0.26}_{-0.22}$.
  • Das Ergebnis ist mit dem Standardmodell (SM) kompatibel und stellt eine Signifikanz von 4,4$\sigma$ über der Hintergrund-only-Hypothese dar.
  • Die dominante systematische Unsicherheit stammt aus der theoretischen Vorhersage des $t\bar{t} + \ge 2b$-Untergrunds.

• Suche nach $t\bar{t}H(H \to c\bar{c})$:

  • Es wurde kein signifikantes Signal beobachtet.
  • Die obere Grenze für die Signalstärke liegt bei $\mu < 7.8$ (beobachtet) bzw. 8.7 (erwartet) bei 95% Konfidenzniveau (CLs-Kriterium).
  • Das Ergebnis ist statistisch dominiert.

• Yukawa-Kopplungsmodifikator ($\kappa_c$):

  • Unter der Annahme, dass alle anderen Higgs-Kopplungen SM-ähnlich sind (insbesondere $\kappa_b$ fest), wird eine obere Grenze für den Charm-Yukawa-Kopplungsmodifikator gesetzt:
    • $\kappa_c < 3.0$ (beobachtet) bzw. 3.3 (erwartet) bei 95% CL.
  • Dies verbessert die bisherigen besten Grenzen, die von CMS und ATLAS bei der Vektor-Boson-assozierten Produktion ($VH$) gesetzt wurden.
  • In Kombination mit dem früheren CMS-Ergebnis für diesen Kanal ergibt sich eine kombinierte Grenze von $\kappa_c < 3.5$ (beobachtet).

• Validierung:

  • Die Messungen der Prozesse $t\bar{t}Z(Z \to c\bar{c})$ und $t\bar{t}Z(Z \to b\bar{b})$ ergaben Signalstärken von $\mu = 1.02$ bzw. $1.47$, was die Robustheit der Analyse und der Untergrundmodellierung bestätigt.

4. Bedeutung und Ausblick

• Technologischer Fortschritt: Die Arbeit demonstriert die Wirksamkeit moderner Deep-Learning-Architekturen (Graph Neural Networks und Transformer) bei der Lösung komplexer Probleme in der Hochenergiephysik, insbesondere bei der Unterscheidung von Jet-Flavours und der Untergrundunterdrückung.
• Physikalische Relevanz: Die Messung der $H \to c\bar{c}$-Kopplung ist entscheidend, um zu überprüfen, ob die Yukawa-Kopplungen tatsächlich proportional zur Masse der Fermionen sind, wie im Standardmodell vorhergesagt. Abweichungen könnten auf neue Physik hindeuten.
• Zukünftige Potenziale: Da das aktuelle Ergebnis statistisch dominiert ist, wird erwartet, dass mit mehr gesammelten Daten (z. B. im High-Luminosity-LHC-Betrieb) die Grenzen für $\kappa_c$ weiter verbessert werden können. Die führende experimentelle Unsicherheit liegt derzeit im Jet-Flavour-Tagging, was ein Fokus zukünftiger Verbesserungen sein wird.

Zusammenfassend stellt diese Analyse einen Meilenstein in der direkten Suche nach der Charm-Yukawa-Kopplung dar und liefert die bisher strengsten Grenzen aus dem $t\bar{t}H$-Kanal.