Transformer Neural Networks in the Measurement of $t\bar{t}H$ Production in the $H\,{\to}\,b\bar{b}$ Decay Channel with ATLAS

Utilizando 140 fb⁻¹ de datos de colisiones protón-protón a 13 TeV del detector ATLAS, este artículo presenta una medición de la producción de $t\bar{t}H$ en el canal de desintegración $H\to b\bar{b}$ que aprovecha redes neuronales de transformador para mejorar significativamente la discriminación entre señal y fondo y la reconstrucción del momento transversal del Higgs, resultando en un exceso observado de 4.6 desviaciones estándar sobre la hipótesis de solo fondo.

Lo esencial

Imagina el Gran Colisionador de Hadrones (LHC) como un enorme colisionador de partículas de alta velocidad donde los científicos chocan protones para recrear las condiciones del universo temprano. Dentro de este caos, los físicos buscan un evento muy específico y raro: el nacimiento de un "bosón de Higgs" (una partícula fundamental que otoría masa a otras partículas) al mismo tiempo que un par de "quarks top" (las partículas más pesadas conocidas).

Este artículo describe una nueva y más inteligente forma de encontrar este evento raro utilizando datos recopilados por el detector ATLAS entre 2015 y 2018. Aquí tienes el desglose de lo que hicieron y lo que encontraron, utilizando analogías de la vida cotidiana.

El desafío: Encontrar una aguja en un pajar

El evento específico que buscan es la desintegración de un bosón de Higgs en dos "quarks bottom". El problema es que el universo produce una cantidad masiva de "ruido de fondo"—específicamente, pares de quarks top producidos con jets de partículas aleatorias—que se parece casi exactamente a la señal que desean.

Es como intentar escuchar una canción específica que suena en un estadio ruidoso y lleno de gente. La canción es la señal (el Higgs + los quarks top), y los vítores de la multitud son el ruido de fondo (los quarks top + jets aleatorios). En intentos anteriores, la "multitud" era tan ruidosa que era difícil saber si la canción realmente estaba sonando.

La nueva herramienta: Redes neuronales "Transformer"

La mayor innovación de este artículo es el uso de Redes Neuronales Transformer. Es posible que conozcas los Transformers por las herramientas de IA que escriben ensayos o traducen idiomas. En este contexto, los científicos los utilizaron como una máquina de clasificación superinteligente.

• ¿Por qué Transformers? En una colisión de partículas, no hay un orden fijo para las partículas que salen disparadas. Un Transformer es especial porque no le importa el orden; observa la imagen completa a la vez. Es como un detective que puede mirar la escena de un crimen desordenada con 50 pistas dispersas y comprender instantáneamente la historia, mientras que un método antiguo podría haber intentado mirar las pistas una por una en un orden específico.
• El trabajo de clasificación: La IA fue entrenada para observar cada colisión y decidir: "¿Es esta la rara canción del Higgs, o es solo la multitud ruidosa?". Clasifica los eventos en diferentes categorías (como "Señal", "Tipo de multitud A", "Tipo de multitud B") con una precisión increíble.

La estrategia: Aflojar la red

Debido a que la IA es tan buena diferenciando la señal del ruido, los científicos pudieron cambiar su estrategia.

• La forma antigua: En el pasado, tenían que establecer un filtro de "preselección" muy estricto (como un portero de un club) para mantener fuera el ruido. Esto significaba que solo observaban los eventos más limpios y obvios, pero perdían muchos de los eventos de la señal real porque el filtro era demasiado cerrado.
• La nueva forma: Con la IA actuando como un portero superinteligente, pudieron dejar entrar a más personas al club (aflojar la preselección). Dejaron pasar tres veces más eventos que antes. La IA realizó entonces el trabajo pesado, clasificando los buenos de los malos más adelante en el proceso. Esto triplicó su capacidad para capturar la señal.

También construyeron una red de "reconstrucción". Imagina intentar averiguar la velocidad de un coche basándote solo en las marcas de frenado que dejó. La IA observa los restos de la colisión y calcula la velocidad exacta (momento transversal) del bosón de Higgs, permitiéndoles estudiar cómo se comporta a diferentes velocidades.

Los resultados: Una señal clara

Después de alimentar este nuevo sistema con 140 unidades de datos de colisiones (una cantidad masiva de información), los resultados fueron claros:

1. Encontraron la señal: Observaron un exceso de eventos que coinciden con la predicción del bosón de Higgs.
2. Confianza estadística: La probabilidad de que esto sea solo un golpe de suerte del ruido de fondo es increíblemente baja. El resultado tiene una significancia de 4.6 desviaciones estándar.
   • Analogía: Si lanzas una moneda y obtienes caras 4.6 veces más seguido de lo que permitiría el azar, estarías bastante seguro de que la moneda está trucada. Aquí, la "moneda" son los datos, y sugiere fuertemente que el bosón de Higgs está ahí.
3. Comparación con la teoría: El número de bosones de Higgs que encontraron coincide con lo que predice el Modelo Estándar de la física (dentante del margen de error). Es como si la IA hubiera predicho el clima y el clima real coincidiera perfectamente con el pronóstico.

La conclusión

Este artículo presenta un reanálisis de datos antiguos utilizando una nueva y poderosa técnica de IA. Al utilizar redes neuronales "Transformer" para clasificar el caos de las colisiones de partículas, el equipo de ATLAS pudo triplicar su sensibilidad, reducir el ruido y confirmar la existencia de bosones de Higgs producidos junto a pares de quarks top con alta confianza. Actualmente es la medición más precisa de este proceso específico jamás realizada.

Resumen técnico

Resumen Técnico: Redes Neuronales Transformer en la Medición de la Producción de $t\bar{t}H$

Problema y Contexto
La medición directa del acoplamiento de Yukawa entre el quark top y el bosón de Higgs es crítica para comprender la ruptura de la simetría electrodébil y la estabilidad del potencial del vacío del Higgs. Aunque existen mediciones indirectas vía bucles cuánticos, la observación directa requiere la producción asociada de un bosón de Higgs con un par de quarks top ($t\bar{t}H$). La colaboración ATLAS publicó anteriormente una medición de este proceso en el canal de desintegración $H \to b\bar{b}$ utilizando el conjunto completo de datos del Run 2 (140 fb$^{-1}$ a $\sqrt{s}=13$ TeV). Sin embargo, este canal enfrenta un desafío significativo: un gran fondo irreducible de la producción de pares de quarks top asociados con jets adicionales ($t\bar{t} + \text{jets}$), particularmente aquellos que contienen jets de sabor pesado. Los análisis previos tuvieron dificultades con la aceptación de la señal y el modelado del fondo, lo que hizo necesaria una reanálisis con estrategias mejoradas para lograr una mayor precisión.

Metodología
Este artículo presenta un reanálisis del proceso $t\bar{t}H(b\bar{b})$ utilizando una estrategia sofisticada de análisis multivariante (MVA) impulsada por redes neuronales transformer. Las innovaciones metodológicas centrales incluyen:

• Arquitectura Transformer: El análisis emplea redes transformer, desarrolladas originalmente para el procesamiento de lenguaje natural, tanto para la clasificación de eventos como para la reconstrucción del bosón de Higgs. Estas redes se eligen por su invarianza a la permutación de los objetos de entrada y su capacidad para manejar la cardinalidad variable, lo cual es esencial para los eventos de colisión de partículas donde el número de partículas finales varía y no existe un orden fijo.
• Variables de Entrada: Las redes utilizan información de cuatro-vectores de bajo nivel y de etiquetado de $b$ (b-tagging) de todos los jets, leptones y la energía transversal faltante.
• Clasificación de Eventos y Definición de Regiones: A diferencia de los análisis previos que dependían de cortes cinemáticos estrictos, esta estrategia utiliza las salidas de la red neuronal para definir regiones. El fondo ($t\bar{t} + \text{jets}$) se divide en cinco categorías basadas en el sabor de los jets que no provienen de decaimientos de top: $t\bar{t} + \text{light}$, $t\bar{t} + \geq 1c$, $t\bar{t} + \geq 2b$, $t\bar{t} + 1B$ (jets con hadrones $b$ colimados) y $t\bar{t} + 1b$.
  • Discriminantes: Las probabilidades de clasificación multiclase se convierten en seis discriminantes de clase para separar la señal $t\bar{t}H$ de las cinco categorías de fondo. Los eventos se asignan a regiones de señal (SR) o regiones de control (CR) basándose en estos discriminantes.
  • Relajación de la Preselección: La robustez de la clasificación permite una relajación de las preselecciones cinemáticas, aumentando la aceptación de la señal en un factor de tres en comparación con el primer análisis completo del Run 2. Las selecciones se dirigen a canales de leptón único ($\geq 5$ jets) y dileptón ($\geq 3$ jets) con $\geq 3$ etiquetas de $b$, además de un canal "boosted" dedicado para bosones de Higgs de alto $p_T$ donde ambos quarks $b$ están contenidos en un solo jet.
• Reconstrucción del Higgs: Una red de reconstrucción separada utiliza una capa de emparejamiento (similar a SPANet) para identificar los dos jets que se originan de la desintegración del Higgs. Esto permite la reconstrucción del momento transversal del Higgs ($p_T^H$), que se utiliza como variable de ajuste en el canal boosted y para mediciones diferenciales.
• Análisis Estadístico: Se realiza un ajuste de perfil de máxima verosimilitud binuado simultáneo en todas las regiones. El ajuste extrae la sección eficaz inclusiva de $t\bar{t}H$ y una sección eficaz diferencial en seis bins de Sección Eficaz de Plantilla Simplificada (STXS) definidos por el $p_T^H$ real (truth).

Contribuciones Clave
La contribución primaria de este trabajo es la implementación exitosa de redes neuronales transformer para restringir simultáneamente el fondo dominante de $t\bar{t} + \text{jets}$ (dividido en cinco categorías disjuntas) y medir la señal $t\bar{t}H$. Este enfoque supera las mediciones previas de ATLAS al:

1. Implementar una estrategia de análisis renovada que depende de discriminantes multivariantes para la definición de regiones en lugar de cortes cinemáticos fijos.
2. Lograr un aumento de tres veces en la aceptación de la señal mediante la relajación de las preselecciones.
3. Proporcionar una medición diferencial de la sección eficaz en bins de $p_T^H$, utilizando el $p_T^H$ reconstruido de la red neuronal.

Resultados
El análisis arroja un exceso de eventos observado de 4.6 desviaciones estándar sobre la hipótesis de solo fondo, comparado con una significancia esperada de 5.4 desviaciones estándar.

• Sección Eficaz Inclusiva: La sección eficaz inclusiva medida es $\sigma_{t\bar{t}H}^{\text{obs}} = 411^{+101}_{-92} \text{ fb}$ (incertidumbres estadísticas y sistemáticas combinadas). Es compatible con la predicción del Modelo Estándar (SM) de $\sigma_{t\bar{t}H}^{\text{SM}} = 507^{+35}_{-50} \text{ fb}$ para $m_H = 125.09$ GeV.
• Sección Eficaz Diferencial: Los resultados de la sección eficaz diferencial a través de los seis bins de STXS muestran compatibilidad con la predicción del SM, con un valor $p$ de 89%. Los coeficientes de correlación entre bins no exceden el 30%.
• Incertidumbres: A diferencia de los análisis previos donde el modelado del fondo $t\bar{t} + \geq 1b$ era dominante, las principales fuentes de incertidumbre sistemática en esta medición son el modelado de la propia señal $t\bar{t}H$.

Significancia
El artículo afirma que esta medición representa la medición de sección eficaz de $t\bar{t}H$ de un solo canal más precisa hasta la fecha. Al aprovechar las redes transformer, el análisis demuestra que las técnicas avanzadas de aprendizaje automático pueden mejorar significativamente la discriminación entre procesos complejos de señal y fondo. El trabajo valida el uso de tales redes para la restricción simultánea del fondo y la extracción de la señal, estableciendo un nuevo estándar para las mediciones de precisión en el canal $H \to b\bar{b}$.