Search for squarks and gluinos in $pp$ collisions at $\sqrt{s} = 13$ TeV and $13.6$ TeV in events with $τ$-leptons, jets and missing transverse momentum using the ATLAS detector

Utilizando el detector ATLAS, este artículo presenta una búsqueda de supersimetría que conserva la paridad R en colisiones protón-protón a 13 y 13,6 TeV que involucra leptones tau, jets y momento transversal faltante, lo cual excluye masas de gluinos por debajo de 2,25 TeV y masas de squarks de hasta 1,7 TeV basándose en 140 fb⁻¹ y 51,8 fb⁻¹ de datos.

Lo esencial

La visión general: En busca de partículas "fantasma"

Imagina que el universo es una gigantesca carrera de coches de alta velocidad. El Gran Colisionador de Hadrones (LHC) es la pista, y el detector ATLAS es un sistema de cámaras masivo y ultra rápido que registra cada choque.

Los físicos conocen muy bien las reglas de la carrera; este libro de reglas se llama el Modelo Estándar. Explica cómo se comportan partículas como los electrones y los quarks. Pero el libro de reglas tiene agujeros. No explica por qué la gravedad es tan débil en comparación con otras fuerzas, o qué es realmente la Materia Oscura (esa sustancia invisible que mantiene unidas a las galaxias).

Para reparar estos agujeros, los científicos tienen una teoría llamada Supersimetría (SUSY). Es como una teoría de un "mundo de sombras". Sugiere que para cada partícula conocida (como un quark), existe un "supercompañero" más pesado e invisible (como un squark o un gluino). Si estos supercompañeros existen, serían los candidatos perfectos para la Materia Osca.

La misión: Atrapar las sombras

El problema es que nunca hemos visto a estos supercompañeros. Si existen, es probable que sean muy pesados y se desintegren (se rompan) instantáneamente en otras partículas.

Este artículo describe la búsqueda de una "firma" específica de estos supercompañeros. Los científicos buscan un choque que produzca:

1. Jets: Ráfagas de partículas ordinarias (como los escombros de un choque).
2. Leptones Tau: Un tipo específico de partícula pesada (piensa en ello como un "electrón pesado").
3. Momento Transversal Faltante: Esta es la pista más importante. En un choque normal, los escombros vuelan en todas las direcciones, equilibrándose perfectamente. Si la cámara ve escombros volando en una dirección pero nada volando en la dirección opuesta, significa que algo invisible salió disparado fuera de la pista. En esta teoría, ese "algo invisible" es la Partícula Supersimétrica más Ligera (LSP), que es nuestro candidato para la Materia Oscura.

La estrategia: Dos estilos de detective diferentes

El equipo no solo buscó los datos de una forma. Utilizaron dos estilos de detective diferentes para asegurarse de no perderse nada.

1. El enfoque de "Corte y Conteo" (El filtro rígido)
Imagina que estás buscando un tipo específico de pez en un estanque. Instalas una red con agujeros muy específicos: "Solo atrapa peces que midan más de 5 pulgadas, tengan aletas rojas y naden hacia la izquierda".

• Cómo funciona: Los científicos establecieron reglas estrictas (cortes) para los datos. Por ejemplo, "Solo miramos choques donde la energía faltante sea enorme" o "Solo miramos choques donde la partícula tau se mueva muy lentamente".
• Por qué: Esto es excelente para encontrar patrones específicos y predecibles. Crearon diferentes "redes" para diferentes escenarios: uno para modelos "comprimidos" (donde las superpartículas tienen masas cercanas) y otro para modelos de "alta masa".

2. El enfoque de Aprendizaje Automático (La IA inteligente)
Imagina que, en lugar de establecer reglas estrictas, contratas a una IA superinteligente que ha estudiado millones de fotos de choques normales y algunas fotos de choques de "sombras".

• Cómo funciona: Alimentaron a la computadora con millones de choques simulados. La IA aprendió a detectar patrones sutiles que los humanos podrían pasar por alto. No se limitó a mirar un solo número; miró la forma de todo el evento.
• El resultado: La IA otorga a cada choque una "puntuación de sospecha" de 0 a 1. Si la puntuación es alta, es probable que sea una partícula de sombra. Si es baja, es solo un choque normal. Este método es muy inclusivo y captura una variedad más amplia de señales potenciales.

Los datos: Una biblioteca masiva

Los científicos no solo miraron unos pocos choques. Analizaron una biblioteca masiva de datos:

• 140 "Petabytes" de datos (recopilados entre 2015 y 2018).
• 51.8 "Petabytes" de datos (recopilados entre 2022 y 2023).
• Analizaron tres "canales" diferentes (tipos de choques):
  • Exactamente un leptón tau y ninguna otra partícula ligera.
  • Exactamente un leptón tau y al menos otra partícula ligera (electrón o muón).
  • Dos o más leptones tau.

El desafío: Las pistas "falsas"

Una de las partes más difíciles de este trabajo es distinguir un "leptón tau" real de un "tau falso".

• La analogía: Imagina que estás buscando un tipo específico de ave. Pero a veces, una nube parece un ave, o un trozo de basura parece un ave.
• La solución: Los científicos utilizaron un método "basado en datos". Observaron áreas de los datos donde sabían que no había partículas de sombra, contaron cuántas veces las nubes parecían aves y usaron esa matemática para estimar cuántos "aves falsas" había en su área de búsqueda principal. Esto les permitió restar el ruido y ver la señal real.

Los resultados: El silencio de las sombras

Después de procesar los números, revisar las puntuaciones de la IA y comparar los filtros rígidos con los datos, el resultado fue claro: no encontraron nada.

• Sin fantasmas: No hubo desviaciones significativas del Modelo Estándar. El número de eventos de "energía faltante" coincidió exactamente con lo que la física conocida predecía.
• La exclusión: Aunque no encontraron las partículas, sí descubrieron dónde no están.
  • Ahora pueden afirmar con un 95% de confianza que los Gluinos (un tipo de supercompañero) no son más ligeros de 2.25 TeV (una masa muy pesada).
  • Pueden afirmar que los Squarks no son más ligeros de 1.7 TeV.
  • Descartaron muchas combinaciones específicas de masas para las partículas de "sombra".

La conclusión

Piensa en esta búsqueda como buscar una aguja en un pajar. Los científicos no encontraron la aguja. Sin embargo, al usar mejores imanes (detectores más nuevos), un pajar más grande (más datos) y algoritmos de búsqueda más inteligentes (Aprendizaje Automático), pudieron demostrar que la aguja no está en la mitad inferior del pajar.

Han empujado los límites de dónde sabemos que estas partículas no pueden existir, obligando a los teóricos a repensar dónde buscar a continuación. La búsqueda continúa, pero los lugares "fáciles" para encontrar estas partículas han sido descartados.

Resumen técnico

Resumen Técnico: Búsqueda de Squarks y Gluinos en Eventos con Leptones $\tau$, Jets y Momento Transversal Faltante

Problema y Motivación
El Modelo Estándar (SM) de la física de partículas, aunque experimentalmente robusto, sigue siendo una teoría efectiva incompleta. No logra abordar el problema de la jerarquía, el ajuste fino del potencial del Higgs y la naturaleza de la materia oscura. La Supersimetría (SUSY) ofrece una extensión teórica que introduce una simetría entre bosones y fermiones, prediciendo supercompañeros para todas las partículas conocidas. En muchos escenarios de SUSY, la paridad-R se conserva, lo que implica que las partículas supersimétricas se producen en pares y que la partícula supersimétrica más ligera (LSP) es estable, sirviendo como un candidato viable para la materia oscura.

Este artículo presenta una búsqueda de la SUSY con conservación de paridad-R, dirigida específicamente a la producción por pares de gluinos ($\tilde{g}$) y squarks de primera o segunda generación de mano izquierda ($\tilde{q}$). El análisis se centra en cadenas de desintegración donde estas partículas decaen a través de estados intermedios ($\tilde{\chi}^{\pm}_1$, $\tilde{\chi}^0_2$) hacia tau-sleptons ($\tilde{\tau}$) o tau-sneutrinos ($\tilde{\nu}_{\tau}$), que posteriormente se desintegran en el LSP ($\tilde{\chi}^0_1$) y un leptón $\tau$ del SM o $\nu_{\tau}$. Esto da como resultado estados finales caracterizados por leptones $\tau$ con desintegración hadrónica, jets y un momento transversal faltante ($E^{\text{miss}}_T$) significativo. Búsquedas previas de ATLAS (2015–2016) y CMS (2011) excluyeron masas de gluinos por debajo de 2 TeV y 1.15 TeV, respectivamente. Este análisis tiene como objetivo extender estos límites utilizando el conjunto completo de datos de la Run 2 y los primeros datos de la Run 3, aprovechando técnicas de reconstrucción mejoradas y estrategias de análisis avanzadas.

Metodología
El análisis utiliza datos de colisiones protón-protón recolectados por el detector ATLAS a energías de centro de masa de $\sqrt{s} = 13$ TeV (2015–2018, 140 fb$^{-1}$) y $\sqrt{s} = 13.6$ TeV (2022–2023, 51.8 fb$^{-1}$).

• Selección de Eventos y Canales: Se requiere que los eventos pasen una preselección de $E^{\text{miss}}_T > 200$ GeV, al menos un leptón $\tau$ con desintegración hadrónica y al menos dos jets (uno con $p_T > 120$ GeV). La búsqueda se divide en tres canales ortogonales basados en el contenido de leptones:

  1. 1tau0lep: Exactamente un $\tau$ hadrónico, sin electrones ni muones.
  2. 1tau1lep: Exactamente un $\tau$ hadrónico y al menos un electrón o un muón.
  3. 2tau: Dos o más leptones $\tau$ hadrónicos.

• Estrategias de Análisis: Se emplean dos enfoques independientes que se combinan estadísticamente:

  1. Enfoque de Aprendizaje Automático (ML): Se entrena una clasificación multiclase utilizando Árboles de Decisión Potenciados (XGBoost) para distinguir la señal de los fondos del SM (incluyendo $W$+jets, $Z$+jets, dibosones, Top y $\tau$ falsos). Se utiliza todo el espacio de fase, con Regiones de Señal (SR) definidas por puntuaciones de clasificador altas (>0.75–0.8). Este enfoque captura las correlaciones entre variables sin imponer cortes cinemáticos estrictos.
  2. Enfoque de Cut-and-Count: Se aplican cortes de selección tradicionales para definir las SR optimizadas para topologías de señal específicas. Esto incluye SR "Comprimidas" (dirigidas a desdoblamientos de masa $\Delta m$ bajos con $\tau$-leptones blandos) y SR de "Alta Masa" (dirigidas a grandes desdoblamientos de masa). Se utilizan variables cinemáticas como $E^{\text{miss}}_T$, $H_T$ y masas transversas ($m_T$, $m_{T2}$) para el agrupamiento (binning).

• Estimación de Fondo:

  • Top y Dibosones: Estimados mediante simulaciones de Monte Carlo (MC) normalizadas a los datos en Regiones de Control (CR) dedicadas.
  • $\tau$ Falsos (Jets mal identificados como $\tau$): Estimados mediante un enfoque de Factor de Falsos Universal (UFF) basado en datos. Los factores de falsos se miden en regiones dedicadas (Multijet, $Z(\ell\ell)$, $W(\mu\nu)$) y se aplican a las regiones de anti-identificación del análisis.
  • Incertidumbres Sistemáticas: Se considera un conjunto exhaustivo de incertidumbres, incluyendo calibración del detector (jets, $\tau$s, leptones), luminosidad, pile-up, modelado teórico (PDFs, variaciones de escala) e incertidumbres estadísticas en los métodos basados en datos.

• Análisis Estadístico: Se realiza un ajuste de verosimilitud simultáneo (usando HistFitter/pyhf) en todas las CR, Regiones de Validación (VR) y SR. Se utilizan ajustes de solo fondo para validar el modelado, mientras que los ajustes dependientes del modelo (prescripción CL$_s$) se utilizan para establecer límites de exclusión en modelos de SUSY simplificados.

Contribuciones Clave

• Combinación de Datos de Run 2 y Run 3: Esta es la primera búsqueda de ATLAS en este canal que combina el conjunto completo de datos de la Run 2 con los primeros datos de la Run 3 a 13.6 TeV, aumentando significativamente el poder estadístico.
• Enfoque de Doble Estrategia: El uso simultáneo de estrategias basadas en ML y de cut-and-count permite una sensibilidad óptima en diferentes regiones del espacio de parámetros de la SUSY. El enfoque de ML destaca en las regiones de alta masa, mientras que el enfoque de cut-and-count, con sus SR comprimidas dedicadas, es superior para escenarios de bajo desdoblamiento de masa.
• Modelado de Fondo Avanzado: La implementación del método UFF para la estimación de $\tau$ falsos y el uso de BDTs multiclase para la separación señal/fondo representan una refinación sobre iteraciones anteriores.
• Combinación Exhaustiva de Canales: La combinación estadística de los canales 1tau0lep, 1tau1lep y 2tau maximiza la sensibilidad a diversas topologías de desintegración.

Resultados
No se observaron desviaciones significativas de las predicciones del SM en ninguna de las regiones de señal. El mayor exceso local tuvo una significancia de menos de $2\sigma$.

• Límites de Exclusión:

  • Modelos de Gluinos: Se excluyen masas de gluinos ($m_{\tilde{g}}$) hasta 2.25 TeV para masas de LSP ($m_{\tilde{\chi}^0_1}$) hasta 1.35 TeV. En la región comprimida, se excluyen modelos con $\Delta m(\tilde{g}, \tilde{\chi}^0_1) > 150$ GeV.
  • Modelos de Squarks: Se excluyen masas de squarks ($m_{\tilde{q}}$) hasta 1.7 TeV para masas de LSP hasta 0.85 TeV. En la región comprimida, se excluyen modelos con $\Delta m(\tilde{q}, \tilde{\chi}^0_1) > 130$ GeV.
  • Comparación: Estos límites representan una mejora significativa respecto a búsquedas anteriores (por ejemplo, el análisis de 2015–2016), impulsada principalmente por el mayor conjunto de datos, la identificación mejorada de leptones $\tau$ y la inclusión de técnicas de ML.

• Límites Independientes del Modelo: Se establecieron límites superiores en la sección eficaz visible ($\sigma_{\text{vis}}$) para procesos de nueva física en SR específicas, que oscilan entre 0.02 y 0.31 fb al nivel de confianza del 95%.

Significancia
El artículo concluye que la búsqueda establece los límites más estrictos hasta la fecha para modelos de SUSY simplificados que involucran la producción por pares de gluinos o squarks con desintegraciones en cascada ricas en $\tau$. La ausencia de una señal restringe el espacio de parámetros para la SUSY con conservación de paridad-R, particularmente descartando escenarios de gluinos y squarks más ligeros que antes eran accesibles. El estudio demuestra la efectividad de combinar métodos tradicionales de corte con aprendizaje automático y de utilizar los primeros datos de la Run 3 para sondear escalas de masa más altas y espectros más comprimidos. Los resultados se interpretan dentro del contexto de modelos simplificados, pero se señala que son aplicables a otros marcos de SUSY (como NUHM, mSUGRA o GMSB) que producen estados finales similares.