Search for low-mass vector and scalar resonances decaying into a quark-antiquark pair in proton-proton collisions at $\sqrt{s}$ = 13 TeV

Die CMS-Experimentgruppe hat mit Proton-Proton-Kollisionsdaten bei 13 TeV nach leichten Vektor- und Skalaresonanzteilchen gesucht, die in ein Quark-Antiquark-Paar zerfallen, konnte jedoch keine Hinweise auf solche Resonanzen finden und setzte damit die bisher strengsten Grenzen für deren Kopplungen im Massenbereich von 50 bis 250 GeV.

Das Wesentliche

🕵️‍♂️ Die Jagd nach den „Geister-Teilchen": Eine Suche am LHC

Stellen Sie sich das Large Hadron Collider (LHC) am CERN als den größten und schnellsten Teilchenbeschleuniger der Welt vor. Es ist wie eine gigantische Rennstrecke, auf der Protonen (winzige Bausteine der Materie) fast mit Lichtgeschwindigkeit gegeneinander geschleudert werden. Wenn sie kollidieren, entsteht ein riesiges Chaos aus neuen Teilchen – ähnlich wie bei einem Autounfall, bei dem aus den Trümmern plötzlich unbekannte Gegenstände herausfliegen.

Das CMS-Experiment ist wie ein hochmodernes Sicherheitspersonal mit superschnellen Kameras, das genau beobachtet, was aus diesen Trümmern hervorkommt.

🎯 Was suchen sie eigentlich?

Die Physiker glauben, dass es im Universum noch mehr gibt als das, was wir im „Standardmodell" (unserem aktuellen Bauplan der Materie) kennen. Sie suchen nach neuen, schweren Teilchen, die wir noch nie gesehen haben. Diese neuen Teilchen könnten kurzlebig sein und sofort wieder in zwei normale Teilchen zerfallen – wie ein unsichtbarer Geist, der kurz aufblitzt und dann in zwei Lichtstrahlen zerfällt.

Diese Suche konzentriert sich auf Teilchen mit einer Masse zwischen 50 und 300 Gigaelektronenvolt (GeV). Zum Vergleich: Das ist etwa so schwer wie ein schwerer Atomkern, aber für die Welt der Teilchenphysik ist das „leicht".

🌪️ Das Problem: Der Lärm im Stadion

Das größte Problem bei dieser Suche ist der Hintergrundlärm. Wenn Protonen kollidieren, entstehen meistens ganz normale Teilchenströme (Quarks und Gluonen), die wie ein riesiger, chaotischer Lärm im Stadion wirken. Ein neues, seltenes Teilchen zu finden, ist wie der Versuch, ein einzelnes, leises Flüstern in einer lauten Rockband zu hören.

Um dieses Problem zu lösen, haben die Wissenschaftler einen cleveren Trick angewendet:
Sie suchen nicht nach Teilchen, die einfach so entstehen, sondern nach solchen, die von einem harten Stoß (einer Art „Initialzündung") begleitet werden. Stellen Sie sich vor, ein schwerer Ball (das neue Teilchen) wird von einem starken Windstoß (der Strahlung) weggeblasen. Dieser Windstoß sorgt dafür, dass das neue Teilchen sehr schnell und energiereich ist.

🔍 Der Detektiv-Trick: Der „Partikel-Netzwerk"-Algorithmus

Da die neuen Teilchen so schnell sind, fliegen ihre Zerfallsprodukte (die zwei neuen Quarks) sehr eng beieinander. Im Detektor sehen sie aus wie ein einzelner, dicker Strahl (ein „Jet"), statt wie zwei getrennte Strahlen.

Hier kommt der Held der Geschichte ins Spiel: PARTICLENET.
Stellen Sie sich ParticleNET als einen extrem klugen Detektiv vor, der mit einem neuronalen Netzwerk (einer Art künstlichem Gehirn) trainiert wurde.

• Die Aufgabe: Der Detektiv muss unterscheiden zwischen einem „normalen" Jet (der nur aus leichtem Material besteht, wie Luft) und einem „speziellen" Jet (der aus schwerem Material besteht, wie Gold oder Blei).
• Die Methode: Er schaut sich die feinen Strukturen im Inneren des Jets an. Wenn der Jet aus einem schweren Teilchen stammt, hat er eine spezielle „Zwillings-Struktur" (zwei-pronged substructure), die wie ein Y-förmiger Ast aussieht. ParticleNET erkennt dieses Muster und filtert den lästigen Hintergrundlärm heraus.

📊 Das Ergebnis: Stille im Stadion

Die Forscher haben Daten aus den Jahren 2016 bis 2018 analysiert – das entspricht einer enormen Menge an Kollisionen (138 inverse Femtobarn, eine Zahl, die so groß ist, dass sie sich kaum vorstellen lässt).

Sie haben nach zwei Arten von „Geistern" gesucht:

1. Vektor-Teilchen (Z'): Wie eine neue Version des bekannten Z-Bosons, das mit allen Quark-Arten gleich stark interagiert.
2. Skalar-Teilchen (ϕ oder A): Wie ein neues Higgs-ähnliches Teilchen, das besonders gerne mit schweren „Bottom-Quarks" (einer Art schwerem Baustein) spielt.

Das Ergebnis?
Trotz der riesigen Datenmenge und der supergenauen Detektoren haben sie kein einziges Signal gefunden. Es gab keine „Peaks" oder „Buckel" in den Daten, die auf ein neues Teilchen hindeuten würden. Das Stadion war still.

🚧 Was bedeutet das?

Auch wenn sie nichts gefunden haben, ist das ein riesiger Erfolg!

• Ausschluss: Sie haben bewiesen, dass es diese neuen Teilchen nicht in dem Massebereich von 50 bis 250 GeV gibt (zumindest nicht mit den Stärken, die sie gesucht haben).
• Die Grenzen: Sie haben die „Suchgrenzen" (Limits) für diese Teilchen drastisch verschoben. Stellen Sie sich vor, sie haben einen Bereich im Universum abgegrenzt, in dem diese Geister definitiv nicht wohnen dürfen.
• Die Zukunft: Da sie die Suche so präzise gemacht haben (besser als alle vorherigen Versuche), wissen die Theoretiker nun genau, wo sie nicht suchen müssen. Das zwingt sie, ihre Theorien zu überarbeiten und vielleicht an anderen, noch schwereren oder leichteren Orten zu suchen.

Zusammenfassend:
Das CMS-Team hat mit dem klügsten Detektiv-System (ParticleNET) und einem riesigen Datenpool nach neuen, leichten Teilchen gesucht. Sie haben den Lärm des Universums erfolgreich gedämpft, aber das gesuchte Flüstern war nicht da. Das ist ein wichtiger Schritt, um das Rätsel des Universums Stück für Stück zu lösen – auch wenn es manchmal bedeutet, zu sagen: „Hier ist nichts."

Technische Zusammenfassung

Technische Zusammenfassung: Suche nach niedermassigen Vektor- und Skalarresonanzen

Titel: Suche nach niedermassigen Vektor- und Skalarresonanzen, die in ein Quark-Antiquark-Paar zerfallen, bei Proton-Proton-Kollisionen bei $\sqrt{s} = 13$ TeV.
Experiment: CMS am Large Hadron Collider (LHC), CERN.
Datensatz: 2016–2018, integrierte Luminosität von $138 \text{ fb}^{-1}$.

---

1. Problemstellung und physikalischer Hintergrund

Die Suche nach neuen Resonanzen, die an Quark-Antiquark-Paare koppeln, ist ein zentraler Test für Physik jenseits des Standardmodells (BSM). Solche Signale könnten in verschiedenen theoretischen Szenarien auftreten:

• Erweiterte Eichsektoren: Zusätzliche $W'$- oder $Z'$-Bosonen (z. B. in links-rechts-symmetrischen Modellen).
• Extra-Dimensionen: Kaluza-Klein-Anregungen von Gravitonen in Randall-Sundrum-Modellen.
• Dunkle Materie: Neue Mediatorteilchen, die den sichtbaren Sektor mit einem dunklen Sektor verbinden, wobei eine bevorzugte Kopplung an Quarks möglich ist.

Das Hauptproblem bei der Suche nach solchen Dijet-Resonanzen im niedrigen Massenbereich (50–300 GeV) ist der enorme Untergrund durch Quantenchromodynamik (QCD)-Multijet-Ereignisse. Die hohe Rate an QCD-Ereignissen übersteigt oft die Bandbreitenlimits der Trigger-Systeme. Zudem ist die experimentelle Auflösung bei niedrigen Massen oft begrenzt.

2. Methodik und Analyse-Strategie

Auswahlkriterien und Trigger:
Um die QCD-Rate zu umgehen und die Sensitivität zu erhöhen, sucht die Analyse nach Resonanzen, die in Assoziation mit harter Initial-State Radiation (ISR) produziert werden. Dies führt zu einem hohen transversalen Impuls ($p_T$) der Resonanz.

• Trigger: Ein AK8-Jet (großer Radius, $R=0.8$) mit einer getrimmten Masse $> 30$ GeV und $p_T > 400$ GeV.
• Offline-Selektion: Mindestens ein AK8-Jet mit $p_T > 500$ GeV, Soft-Drop-Masse ($m_{SD}$) $> 30$ GeV und $|\eta| < 2.5$.
• Untergrundunterdrückung: Veto auf isolierte geladene Leptonen (Elektronen, Myonen) und Tau-Leptonen zur Reduktion des $t\bar{t}$-Untergrunds. Zudem werden Ereignisse mit vielen zusätzlichen AK4-Jets oder b-getaggten Jets (außer dem Signaljet) ausgeschlossen.

Jet-Tagging und Unterscheidung:
Da die Zerfallsprodukte einer schweren Resonanz bei hohem $p_T$ stark kollimiert sind, werden sie als einzelner Jet rekonstruiert.

• Soft-Drop-Masse ($m_{SD}$): Wird verwendet, um die Jet-Masse zu berechnen und Untergrund zu reduzieren, während die Masse von Resonanzerfällen erhalten bleibt (Auflösung ca. 9–14 %).
• PARTICLENET (PN) Algorithmus: Ein Graph-Convolutional-Neural-Network (GCN), das als Hauptinnovation dient. Es unterscheidet Jets, die von Resonanzen stammen (zweizackige Substruktur), von QCD-Jets (gluon- oder leichten Quark-initiiert).
  • Der Algorithmus trainiert auf Simulation und nutzt Jet-Konstituenten sowie sekundäre Vertices.
  • Es werden zwei Diskriminatoren gebildet: $p_{2\text{-prong}}$ (Unterscheidung von QCD) und $p_{bb}$ (Unterscheidung von $b\bar{b}$-Zerfällen gegenüber $c\bar{c}$ oder leichten Quarks $q\bar{q}$).

Signalregionen (SR) und Kontrollregionen (CR):
Die Ereignisse werden basierend auf den PN-Diskriminatoren in drei Kategorien unterteilt:

1. QCD-Kontrollregion (CR): Versagt $p_{2\text{-prong}}$-Anforderung (zur Schätzung des QCD-Untergrunds).
2. High-$p_{bb}$ SR: Zielgebiet für $Z' \to b\bar{b}$ und skalare/pseudoskalare Resonanzen $\phi/A \to b\bar{b}$.
3. Low-$p_{bb}$ SR: Zielgebiet für $Z' \to c\bar{c}$ und $Z' \to q\bar{q}$ (leichte Quarks).

Statistische Analyse:

• Ein binned Maximum-Likelihood-Fit wird auf die $m_{SD}$-Verteilungen in fünf $p_T$-Bins und vier Datennahmeperioden gleichzeitig angewendet.
• Der QCD-Untergrund wird aus Daten in der Kontrollregion extrapoliert unter Verwendung von Transferfunktionen (Bernstein-Polynome), die kleine Formunterschiede zwischen SR und CR korrigieren.
• Alle anderen Untergründe ($W/Z$+Jets, $t\bar{t}$, Dibosonen) werden mittels Monte-Carlo-Simulation geschätzt und durch Daten in Kontrollregionen kalibriert.

3. Wichtige Beiträge und Innovationen

• Einsatz von PARTICLENET: Dies ist eine der ersten großen Analysen, die den PN-Algorithmus systematisch zur Trennung von Resonanz-Jets und QCD-Untergrund sowie zur Flavor-Identifikation ($b$ vs. $c$ vs. $q$) in einem breiten Massenbereich nutzt. Dies bietet eine signifikant höhere Sensitivität als frühere analytische Variablen (wie Energie-Korrelationsfunktionen).
• Erweiterter Massenbereich: Die Analyse deckt den Bereich von 50 bis 300 GeV ab, was eine Lücke in der bisherigen Abdeckung schließt, insbesondere im Bereich unterhalb von 250 GeV, wo frühere Analysen oft weniger sensitiv waren.
• Zwei Kopplungsszenarien: Unterscheidung zwischen universeller Kopplung an alle Quark-Flavours (Spin-1 $Z'$) und kopplungsstärkenabhängiger Kopplung (Spin-0 $\phi/A$, motiviert durch minimale Flavor-Verletzung, bevorzugt $b\bar{b}$).

4. Ergebnisse

• Beobachtung: Es wurden keine signifikanten Abweichungen von den Standardmodell-Erwartungen in den $m_{SD}$-Spektren beobachtet. Die Daten stimmen gut mit dem Hintergrundmodell überein (p-Wert des Hintergrund-only-Modells: 0,194).
• Lokalste Signifikanz: Die größten Abweichungen betrugen $2,8\sigma$ (lokal) bei $m_{Z'} = 75$ GeV und $225$ GeV für das Spin-1-Modell sowie $2,6\sigma$ bei $m_{\phi} = 70$ GeV für das Spin-0-Modell. Diese sind jedoch nicht signifikant genug für eine Entdeckung (globaler Signifikanzwert $< 2\sigma$).
• Obergrenzen für Kopplungen (95% CL):
  • Spin-1 ($Z'$): Die Obergrenzen für die universelle Kopplungskonstante $g_q$ liegen im Bereich von 0,03 bis 0,13 für Massen zwischen 50 und 250 GeV.
  • Spin-0 ($\phi/A$): Die Obergrenzen für die Kopplungsparameter $g_{q\phi}$ und $g_{qA}$ liegen im Bereich von 1,5 bis 5,8 bzw. 1,0 bis 3,8, abhängig von der Masse.
• Vergleich: Diese Grenzen sind die bisher strengsten für Dijet-Resonanzen im Massenbereich von 50–250 GeV und verbessern die vorherigen besten Grenzen (CMS-EXO-19-007 und ATLAS) um etwa den Faktor zwei.

5. Bedeutung und Ausblick

Diese Studie stellt einen Meilenstein in der Suche nach neuen Physikphänomenen im niedrigen Massenbereich dar. Durch die Kombination von hohem $p_T$-Selektionen (ISR-Strategie) und fortschrittlichem maschinellem Lernen (PARTICLENET) konnte die CMS-Kollaboration die Empfindlichkeit für schmale Resonanzen drastisch steigern.

Die Ergebnisse schränken eine Vielzahl von BSM-Modellen ein, darunter:

• Modelle mit zusätzlichen $Z'$-Bosonen.
• Dunkle-Materie-Modelle mit einem Vektor- oder Axion-ähnlichen Mediator (Dark Photon, ALP).
• Die Analyse liefert zudem umgerechnete Grenzen für die kinetische Mischung $\epsilon$ von Dark Photons und die effektive Kopplung $c_g/\Lambda$ von Axion-ähnlichen Teilchen, was die Interpretation im Kontext der Dunklen Materie erleichtert.

Die Arbeit demonstriert effektiv, wie moderne Deep-Learning-Techniken in der Hochenergiephysik eingesetzt werden können, um Untergrundprozesse zu unterdrücken und neue Physik in bisher schwer zugänglichen Bereichen des Phasenraums zu suchen.