Search for pair-produced vector-like $T$-quarks decaying into $Ht$ final states in the lepton-plus-jets channel in $pp$ collisions at $\sqrt{s}$=13 TeV with the ATLAS detector

Unter Verwendung von 139 fb$^{-1}$ an 13 TeV Proton-Proton-Kollisionsdaten vom ATLAS-Detektor sucht diese Studie nach paarweise produzierten vektoriellen $T$-Quarks, die in Higgs-Top-Finalzustände im Lepton-plus-Jets-Kanal zerfallen, findet keine signifikante Überschreitung über die Vorhersagen des Standardmodells hinaus und setzt untere Massengrenzen auf dem 95%-Konfidenzniveau von 1,40 bis 1,66 TeV in Abhängigkeit von der $T$-Quark-Repräsentation und dem Verzweigungsverhältnis.

Das Wesentliche

Das große Ganze: Die Jagd nach „schweren Zwillingen"

Stellen Sie sich das Universum als eine riesige, superschnelle Rennstrecke vor (den Large Hadron Collider, kurz LHC). Die Physiker am CERN sind wie Rennoffizielle, die Protonen mit nahezu Lichtgeschwindigkeit gegeneinander prallen lassen, um zu sehen, was passiert. Normalerweise erzeugen diese Kollisionen eine vorhersehbare Menge an Teilchen, wie Standard-Autos und Motorräder.

Das Standardmodell (unser derzeitiges Regelbuch für die Physik) weist jedoch einige Lücken auf. Eine große Frage lautet: Warum ist das Higgs-Boson (das Teilchen, das anderen Teilchen Masse verleiht) so leicht? Um dieses „Feinabstimmungs"-Problem zu lösen, schlagen einige Theorien vor, dass es „schwere Zwillinge" des Top-Quarks (des schwersten bekannten Teilchens) gibt. Diese werden als vektorartige T-Quarks bezeichnet.

Dieses Paper ist ein Bericht des ATLAS-Experiment-Teams mit der Aussage: „Wir haben sehr intensiv nach diesen schweren Zwillingen gesucht, aber sie nicht gefunden. Allerdings können wir nun mit hoher Sicherheit sagen, dass sie, falls sie existieren, schwerer sein müssen als bisher angenommen."

Die Strategie: Der „Schwergewichts-Boxkampf"

Da diese T-Quarks so schwer sind, ist ihre Erzeugung schwierig. Wenn sie doch erzeugt werden, halten sie nicht lange; sie zerfallen sofort in andere Teilchen.

Das Team entschied sich, nach einem spezifischen Szenario zu suchen:

1. Das Paar: Sie suchen nach der gleichzeitigen Erzeugung von zwei T-Quarks (wie ein Paar Schwergewichtsboxer, die den Ring betreten).
2. Der Zerfall: Mindestens eines davon zerfällt in ein Higgs-Boson und ein Top-Quark.
3. Die Spur: Das Higgs-Boson spaltet sich dann in zwei „Bottom"-Quarks auf, und das Top-Quark zerfällt in ein leichtes Teilchen (ein Elektron oder Myon), ein geisterhaftes Neutrino und ein weiteres Bottom-Quark.

Die Analogie: Stellen Sie sich vor, Sie versuchen, eine bestimmte Art seltener, schwerer Früchte (das T-Quark) in einem riesigen Obstgarten zu finden. Sie wissen, dass sich diese Frucht beim Herunterfallen in eine spezifische Kombination aus Samen und Saft aufspaltet. Anstatt nach der Frucht selbst zu suchen, suchen Sie nach dem einzigartigen Haufen aus Samen und Saft, den sie hinterlässt.

Die Detektivarbeit: Das Rauschen sortieren

Das Problem ist, dass der Obstgarten ständig voller normaler Früchte ist, die herunterfallen (Standardmodell-Hintergrund). Das Team musste das Rauschen filtern, um das seltene Signal zu finden.

• Der „Reclustering"-Trick: Wenn schwere Teilchen zerfallen, bewegen sie sich so schnell, dass ihre Trümmer (Teilchensprays oder „Jets") zusammengedrückt werden. Das Team verwendete eine spezielle Technik namens „variabler Radius-Jets". Stellen Sie sich dies wie eine intelligente Kameraobjektiv vor, das automatisch heran- oder herauszoomt, je nachdem, wie schnell sich das Objekt bewegt, und sicherstellt, dass der gesamte „Trümmerhaufen" korrekt erfasst wird, selbst wenn er sich unglaublich schnell bewegt.
• Das neuronale Netzwerk (Der KI-Detektiv): Sie trainierten ein Computerhirn (ein neuronales Netzwerk), um die Form, Geschwindigkeit und Anordnung dieser Trümmerhaufen zu analysieren. Es ist wie ein Hund, der lernt, einen bestimmten Geruch aufzuspüren. Die KI lernte, zwischen dem chaotischen, zufälligen Trümmerfeld normaler Kollisionen und dem sauberen, strukturierten Trümmerfeld eines schweren T-Quark-Zerfalls zu unterscheiden.

Die Ergebnisse: „Nicht gefunden, aber wir wissen, wo sie nicht sind"

Nach der Analyse von 139 „inversen Femtobarn" an Daten (was einer enormen Menge an Kollisionsdaten entspricht, gleichbedeutend mit Jahren des Betriebs des Beschleunigers), fand das Team keine Hinweise auf diese schweren T-Quarks. Die Daten stimmten perfekt mit den Vorhersagen für normale Physik überein.

Da sie sie nicht fanden, setzten sie eine „Zäunung" um den Bereich, in dem die T-Quarks sein könnten. Sie können nun T-Quarks ausschließen, die leichter als bestimmte Gewichte sind:

• Wenn das T-Quark ein „Singulett" ist (eine bestimmte Teilchenart), muss es schwerer als 1,40 TeV sein.
• Wenn es ein „Dublett" ist, muss es schwerer als 1,56 TeV sein.
• Wenn es nur in das Higgs- und das Top-Quark zerfällt (zu 100 %), muss es schwerer als 1,66 TeV sein.

Die Metapher: Stellen Sie sich vor, Sie suchen nach einer versteckten Schatzkiste auf einem Feld. Sie graben das ganze Feld aus und finden nichts. Sie können nicht sagen, dass die Kiste nicht existiert, aber Sie können sagen: „Wenn die Kiste da ist, muss sie tiefer als 10 Fuß vergraben sein, denn wir haben alles darüber ausgegraben." Dieses Paper gräbt tiefer als je zuvor und schiebt die Grenze der „Begrabungstiefe" weiter nach unten.

Warum das wichtig ist

Dies ist die empfindlichste Suche dieser Art, die es bisher gab. Durch die Verwendung mehrerer Daten (139 fb⁻¹ gegenüber früheren 36 fb⁻¹) und besserer KI-Werkzeuge hat das ATLAS-Team die Grenzen unseres Wissens verschoben. Sie haben die „schweren Zwillinge" nicht gefunden, aber indem sie beweisen, dass sie sich nicht im leichteren Massebereich verstecken, zwingen sie Physiker, ihre Theorien zu überdenken oder in Zukunft nach diesen Teilchen bei noch höheren Energien zu suchen.

Kurz gesagt: Die Jagd nach dem schweren T-Quark geht weiter, aber das Suchgebiet wurde erheblich eingegrenzt. Wenn sie da draußen sind, sind sie schwerer und schwerer zu finden als wir gehofft hatten.

Technische Zusammenfassung

Technische Zusammenfassung: Suche nach paarweise produzierten vektorähnlichen T-Quarks, die in Ht-Endzustände zerfallen

Problemstellung und Motivation
Das Standardmodell (SM) der Teilchenphysik steht vor dem Hierarchieproblem bezüglich der großen Diskrepanz zwischen der elektroschwachen Massenskala und der Planck-Skala. Eine vorgeschlagene Lösung besteht darin, das SM um vektorähnliche Quarks (VLQs) zu erweitern, die quadratisch divergente radiative Korrekturen zur Higgs-Boson-Masse ausgleichen können. Diese Arbeit stellt eine Suche nach paarweise produzierten up-Typ vektorähnlichen $T$-Quarks vor, von denen erwartet wird, dass sie bevorzugt mit SM-Quarks der dritten Generation koppeln. Die Analyse zielt spezifisch auf den Zerfallskanal ab, bei dem mindestens ein $T$-Quark in ein Higgs-Boson und ein Top-Quark zerfällt ($T \to Ht$), mit nachfolgenden Zerfällen $H \to b\bar{b}$ und $t \to \ell \nu_\ell b$ (wobei $\ell = e, \mu$). Die Suche wird im Endzustand Lepton plus Jets unter Verwendung von Proton-Proton-Kollisionsdaten bei einer Schwerpunktsenergie von $\sqrt{s} = 13$ TeV durchgeführt.

Methodik
Die Analyse nutzt den gesamten im Run 2 vom ATLAS-Detektor am Large Hadron Collider (LHC) gesammelten Datensatz, der einer integrierten Luminosität von 139 fb$^{-1}$ entspricht.

• Ereignisrekonstruktion und Selektion: Die Signal-Topologie ist durch genau ein isoliertes Elektron oder Myon, signifikanten fehlenden transversalen Impuls ($E_T^{\text{miss}}$) und mehrere Jets, einschließlich $b$-getaggter Jets, gekennzeichnet. Um die geboostete Natur schwerer Resonanzen zu behandeln, setzt die Analyse variable-radius ($R_{\text{eff}}$) Jets ein, die durch Reclustering von small-$R$-Jets rekonstruiert werden. Diese werden massengetaggt, um Kandidaten für hadronisch zerfallende $W$-, $H$- und Top-Quarks zu identifizieren. Leptonische Top-Quark-Kandidaten werden durch Kombination eines leptonischen $W$-Boson-Kandidaten mit einem $b$-getaggten Jet rekonstruiert.
• Untergrundmodellierung und Gewichtung: Die dominanten Untergründe sind die Paarproduktion von Top-Quarks ($t\bar{t}$), Single-Top und $V$+Jets-Prozesse. Um Diskrepanzen zwischen Simulation und Daten zu adressieren, insbesondere bei der Modellierung von $t\bar{t}$- und $V$+Jets-Wirkungsquerschnitten bei hohen Jet-Multiplizitäten und transversalen Impulsen, wird eine iterative datengetriebene Gewichtungstechnik angewendet. Dies korrigiert die Normalisierung und Form der Untergrundverteilungen basierend auf Kontrollregionen, die mit $Z$+Jets- und $t\bar{t}$-Ereignissen angereichert sind.
• Multivariate Analyse: Ein Feed-Forward-Neuronales Netz (NN) wird eingesetzt, um Signal vom Untergrund zu unterscheiden. Der Klassifikator verwendet 30 Eingangsvariablen, darunter kinematische Eigenschaften (z. B. effektive Masse $m_{\text{eff}}$, transversale Impulse der variable-$R$-Jets) und topologische Merkmale (z. B. Winkelabstände, Multiplizitäten der Konstituenten). Das NN wird auf simulierten Signal- und Untergrundstichproben trainiert.
• Ereigniskategorisierung: Ereignisse werden basierend auf dem NN-Ausgangswert ($h_{\text{NN}}$), der Anzahl der $b$-getaggten Jets (2, 3 oder $\ge 4$) und dem Vorhandensein von $H$-getaggten Jets in Signalregionen (SRs) und Kontrollregionen (CRs) kategorisiert. Drei SR-Kategorien werden durch NN-Schwellenwerte definiert: High-NN (HNN), Mid-NN (MNN) und Low-NN (LNN). Die LNN-Region, mit geringerer Signalreinheit aber hoher Untergrundstatistik, dient zur Einschränkung der Untergrundnormalisierungen im statistischen Fit.
• Statistische Analyse: Ein binned Profil-Likelihood-Fit wird über die Verteilung der effektiven Masse ($m_{\text{eff}}$) über alle Analysebereiche hinweg durchgeführt. Der Fit umfasst Störparameter für systematische Unsicherheiten (experimentell und theoretisch) sowie freie Normalisierungsfaktoren für spezifische Untergrundkomponenten ($t\bar{t}+c$ und $t\bar{t}+b$).

Hauptbeiträge

• Verbesserte Untergrundmodellierung: Die Implementierung einer datengetriebenen Gewichtungstechnik verbessert die Übereinstimmung zwischen Daten und SM-Vorhersagen für $t\bar{t}$- und $V$+Jets-Untergründe erheblich, insbesondere in kinematischen Regimen, die für die Suche nach schweren Resonanzen relevant sind.
• Erhöhte Signaltrennschärfe: Die Verwendung eines neuronalen Netz-Klassifikators in Kombination mit der expliziten Rekonstruktion leptonischer Top-Quark-Kandidaten und der Ausnutzung der gegenläufigen Topologie paarweise produzierter schwerer Teilchen bietet eine überlegene Trennkraft im Vergleich zu früheren ATLAS-Suchen in diesem Kanal.
• Umfassende Szenariotests: Die Suche interpretiert die Ergebnisse unter drei unterschiedlichen Benchmark-Szenarien: dem SU(2)-Singulett, dem SU(2)-Dublett und einem Szenario, bei dem der Verzweigungsverhältnis $B(T \to Ht)$ auf 100 % festgelegt ist.

Ergebnisse
In keinem der Analysebereiche wurde ein signifikanter Überschuss an Ereignissen über die Vorhersage des Standardmodells hinaus beobachtet. Folglich werden Obergrenzen für den paarweisen Produktionswirkungsquerschnitt vektorähnlicher $T$-Quarks auf dem 95 %-Konfidenzniveau (CL) festgelegt.

Die beobachteten unteren Massengrenzen für das $T$-Quark betragen:

• 1,40 TeV für die SU(2)-Singulett-Darstellung.
• 1,56 TeV für die SU(2)-Dublett-Darstellung.
• 1,66 TeV für das Szenario, bei dem $B(T \to Ht) = 100\%$ gilt.

Diese Grenzen stellen die bisher strengsten Einschränkungen für das SU(2)-Dublett und das Szenario $B(T \to Ht) = 100\%$ dar und erweitern die vorherigen Ausschlussgrenzen um 0,07 TeV bzw. 0,16 TeV. Für das SU(2)-Singulett-Szenario verbessert dieses Ergebnis die vorherige ATLAS-Grenze um 0,04 TeV. Die Analyse wird als primär durch statistische Unsicherheiten begrenzt eingestuft.

Bedeutung
Die Autoren behaupten, dass diese Ergebnisse die derzeit strengsten Ausschlussgrenzen für vektorähnliche $T$-Quarks in den angegebenen Zerfallskanälen und Eichdarstellungen liefern. Durch die Nutzung des gesamten Run-2-Datensatzes und fortschrittlicher Analysetechniken (Gewichtung und maschinelles Lernen) untersucht die Suche effektiv höhere Massbereiche als frühere ATLAS-Analysen. Die Autoren stellen fest, dass die aktuelle Suche zwar statistisch begrenzt ist, das erwartete erhöhte Datenvolumen aus Run 3 und dem High-Luminosity LHC jedoch erhebliches Potenzial bietet, die Sensitivität auf noch höhere Massen auszudehnen. Die Ergebnisse werden über HEPData zur Neuinterpretation bereitgestellt, einschließlich Ereignisausbeuten, systematischer Unsicherheiten und des statistischen Arbeitsbereichs.