Search for Higgs bosons produced in association with a high-energy photon via vector-boson fusion and decaying to a pair of $b$-quarks in the ATLAS detector

Utilizando 133 fb$^{-1}$ de datos de colisiones protón-protón a 13 TeV, la colaboración ATLAS realizó una búsqueda de bosones de Higgs del Modelo Estándar producidos mediante fusión de bosones vectoriales en asociación con un fotón de alta energía y que decaen a $b\bar{b}$, empleando técnicas de análisis mejoradas para medir una fuerza de señal de $0.2 \pm 0.7$ con una significancia observada de 0.3 desviaciones estándar, consistente con la hipótesis de solo fondo.

Lo esencial

La Gran Imagen: Cazar un Fantasma en una Tormenta

Imagina que el Gran Colisionador de Hadrones (LHC) es una carrera de coches masiva y de alta velocidad donde las partículas son los coches. Cuando chocan, crean una explosión caótica de escombros. Los físicos están intentando encontrar un "coche fantasma" muy específico y raro en esa explosión: el bosón de Higgs.

El bosón de Higgs es famoso por dar masa a otras partículas, pero es difícil de atrapar. Por lo general, decae (se desintegra) casi instantáneamente en un par de quarks bottom (llamémoslos "quarks b"). El problema es que la pista de carreras está llena de millones de otros escombros de "quarks b" provenientes de choques normales. Encontrar el Higgs es como intentar distinguir una canica roja específica en una pila de un millón de canicas rojas idénticas.

La Nueva Estrategia: El Truco de la "Linterna"

En este nuevo estudio, el equipo de ATLAS decidió cambiar su estrategia de búsqueda. En lugar de buscar simplemente las canicas rojas, decidieron buscar una canica roja que hubiera sido golpeada por una linterna brillante en el momento exacto del choque.

• La Linterna: Esto es un fotón de alta energía (una partícula de luz).
• El Truco: En la física de estas colisiones, si un bosón de Higgs se crea junto con un fotón, ocurre de una manera muy específica llamada Fusión de Bosones Vectoriales (VBF). Este proceso es raro, pero tiene un superpoder: suprime naturalmente el "ruido" (los escombros de fondo).
• El Resultado: Al exigir que esté presente un fotón, el equipo filtra el 99% de la basura. Es como encender un foco en una habitación oscura y llena de gente; de repente, la persona específica que buscas destaca mucho más claramente contra el fondo oscuro.

El Trabajo de Detective: Actualizando las Herramientas

El equipo utilizó datos de 2015 a 2018 (133 "femtobarns inversos" de datos, que es una forma rebuscada de decir "una gran cantidad de registros de colisiones"). Para encontrar la señal, tuvieron que actualizar su caja de herramientas de detective:

1. La Red Neuronal (El Super-Detective): En búsquedas anteriores, usaban un árbol de decisiones estándar (como un diagrama de flujo) para adivinar qué eventos eran bosones de Higgs. En este artículo, actualizaron a una Red Neuronal (un tipo de IA). Piensa en el método antiguo como un detective junior siguiendo una lista de verificación, mientras que la nueva Red Neuronal es un detective veterano que puede observar el panorama completo, percibir patrones y detectar pistas sutiles que la lista de verificación pasaría por alto.
2. Mejor Modelado del Fondo: Se dieron cuenta de que sus simulaciones por computadora del fondo de "basura" no eran perfectas. Desarrollaron un nuevo método para "reponderar" sus simulaciones, esencialmente enseñando a la computadora a imitar el ruido del mundo real con mayor precisión antes de comenzar a buscar la señal.
3. Ajuste Directo: En lugar de simplemente contar cuántos eventos caían en una "zona de Higgs", observaron toda la distribución de las puntuaciones de confianza de la IA. Es como no solo contar cuántas personas encajan en una descripción, sino analizar la probabilidad de que cada persona individual en la multitud sea el sospechoso.

Los Resultados: Una Habitación Silenciosa

Después de procesar todos los datos a través de su nuevo sistema de alta tecnología, esto es lo que encontraron:

• La Expectativa: Basándose en el Modelo Estándar (nuestra mejor teoría de la física), esperaban ver una señal con una significancia de 1,5 desviaciones estándar. En términos de detective, esto significa que esperaban una "fuerte pista" o un "sospechoso probable", pero no suficiente para arrestar a nadie todavía.
• La Realidad: Observaron una fuerza de señal de 0,2 (relativa a lo predicho). La significancia estadística fue de solo 0,3 desviaciones estándar.
• La Traducción: Esto es esencialmente un "resultado nulo". Es como si el detective mirara la lista de sospechosos y dijera: "No veo a nadie aquí que coincida con la descripción mejor que el azar". Los datos se ven casi exactamente igual que el ruido de fondo.

Por Qué Esto Importa (Incluso si no lo encontraron)

Podrías preguntarte: "Si no lo encontraron, ¿por qué escribir un artículo?".

1. Demostrar que el Método Funciona: Demostraron con éxito que su nueva estrategia de "Linterna + IA" funciona. Mostraron que pueden modelar el ruido de fondo increíblemente bien y que sus nuevas herramientas son más sensibles que las antiguas.
2. Establecer el Listón: midieron la "fuerza de la señal" como 0,2 ± 0,7. Esto significa que el valor real probablemente se encuentra en algún lugar entre -0,5 y +0,9. Dado que el Modelo Estándar predice 1,0, su resultado es compatible con la teoría (está dentro del margen de error), pero tampoco prueba que la teoría sea correcta.
3. Preparación para el Futuro: Este análisis es un ensayo general. Las técnicas que perfeccionaron aquí, especialmente la red neuronal y el modelado del fondo, ahora están listas para aplicarse a aún más datos en el futuro. Están afilando sus cuchillos para la próxima caza.

La Conclusión

El equipo de ATLAS tomó un conjunto de datos masivo, utilizó una ingeniosa "etiqueta de fotón" para limpiar el ruido y desplegó una IA superinteligente para buscar el bosón de Higgs. No encontraron un descubrimiento definitivo esta vez (la señal fue demasiado débil para distinguirse de las fluctuaciones aleatorias), pero demostraron que sus nuevos métodos son poderosos y están listos para la siguiente ronda de la carrera. Siguen buscando, y lo están haciendo más inteligentes que nunca.

Resumen técnico

Resumen técnico: Búsqueda de bosones de Higgs producidos en asociación con un fotón de alta energía mediante fusión de bosones vectoriales y que decaen a un par de quarks $b$ en el detector ATLAS

Problema y motivación
La búsqueda del bosón de Higgs del Modelo Estándar (ME) que decae a un par de quarks $b$ ($H \to b\bar{b}$) es un desafío debido al abrumador fondo de multijets no resonante de la Cromodinámica Cuántica (QCD). Aunque el decaimiento $H \to b\bar{b}$ es el modo dominante, su aislamiento requiere una supresión significativa del fondo. Este análisis se dirige a la producción asociada de un bosón de Higgs con un fotón de alta energía ($H\gamma$) en la topología de fusión de bosones vectoriales (VBF). El requisito de un fotón asociado cumple dos funciones críticas: proporciona una firma de disparo limpia y, mediante efectos de interferencia destructiva entre diagramas de radiación en estado inicial y en estado final, reduce significativamente el fondo de multijets no resonante de QCD. Además, en presencia de un fotón asociado, la VBF se convierte en el mecanismo de producción de Higgs dominante, superando a la fusión gluón-gluón ($ggH$). Este canal ofrece una oportunidad única para estudiar la interacción $HWW$ y la dinámica de producción VBF con mayor detalle, ya que la fusión $ZZ$ está suprimida por efectos de interferencia similares.

Metodología
El análisis utiliza 133 fb$^{-1}$ de datos de colisiones protón-protón a $\sqrt{s} = 13$ TeV recopilados por el detector ATLAS durante la Toma de Datos 2 (2015–2018).

• Selección de eventos: La firma objetivo consiste en dos jets etiquetados como $b$ (procedentes del decaimiento del Higgs), dos jets adicionales de alto momento invariante (jets candidatos a VBF) y un fotón aislado de alta energía. Se seleccionan eventos con un fotón de $p_T > 30$ GeV, al menos dos jets etiquetados como $b$ con $p_T > 40$ GeV y dos jets adicionales con $p_T > 40$ GeV. Se requiere que la masa invariante dijet de los candidatos a VBF supere los 800 GeV. Para mantener la ortogonalidad con otros análisis, se vetan los eventos que contienen electrones o muones aislados con $p_T > 25$ GeV.
• Modelado de señal y fondo: Los eventos de señal ($H \to b\bar{b} + \gamma$) se simulan a orden siguiente al leading (NLO) utilizando MadGraph5_aMC@NLO y Herwig 7. Los fondos dominantes son la producción no resonante $b\bar{b}\gamma jj$ y $c\bar{c}\gamma jj$, modelados a orden leading (LO) con MadGraph5_aMC@NLO y Pythia 8. También se incluyen los fondos de quark top ($t\bar{t}$) y $Z\gamma jj$.
• Análisis multivariante (MVA): Una mejora clave respecto a análisis anteriores es la sustitución del Árbol de Decisión Boosted (BDT) por una Red Neuronal (NN) densamente conectada. La NN se entrena para distinguir eventos similares a la señal del fondo utilizando 14 variables de entrada cinemáticas, que incluyen la masa invariante di-$b$-jet ($m_{bb}$), la multiplicidad de jets y las correlaciones angulares. El valor de puntuación de salida de la NN se utiliza como discriminante principal.
• Modelado de fondo y reponderación: Para abordar las discrepancias entre los datos y las simulaciones de Monte Carlo (MC) en la región de control (definida por las bandas laterales de $m_{bb}$), se extraen factores de escala de reponderación cinemática para los fondos dominantes $b\bar{b}\gamma jj$ y $c\bar{c}\gamma jj$. Estos factores se derivan de la relación entre las distribuciones de datos y MC para las 14 variables de entrada de la NN y se aplican a las muestras de MC para mejorar el acuerdo.
• Análisis estadístico: Se realiza un ajuste de máxima verosimilitud binned directamente sobre la distribución del valor de puntuación de salida de la NN en toda la región de señal ($100 \le m_{bb} \le 150$ GeV) y la región de control. El ajuste extrae simultáneamente la fuerza de señal del Higgs ($\mu_H$) y la normalización de los fondos no resonantes dominantes. Las incertidumbres sistemáticas, que incluyen el modelado teórico, variaciones del baño de partones y efectos experimentales (escala de energía de los jets, eficiencia de etiquetado $b$), se incorporan mediante 78 parámetros de molestia.

Contribuciones y mejoras clave
Este análisis introduce varios avances metodológicos en comparación con búsquedas anteriores de ATLAS en este canal:

1. Clasificador de red neuronal: El uso de una red neuronal profunda proporciona una discriminación señal-fondo superior en comparación con el BDT utilizado anteriormente.
2. Estrategia de ajuste directo: A diferencia de enfoques anteriores que ajustaban la distribución de $m_{bb}$, este análisis extrae la fuerza de señal directamente de la distribución del valor de puntuación de la NN, utilizando $m_{bb}$ solo para definir las regiones de señal y control. Esto reduce las incertidumbres sistemáticas relacionadas con el modelado asociadas a la parametrización de la forma del fondo.
3. Modelado de fondo mejorado: La implementación de la reponderación cinemática para los fondos no resonantes dominantes mejora significativamente el acuerdo entre datos y simulación en la región de control.
4. Muestras de MC más grandes: El uso de muestras simuladas significativamente más grandes para los fondos principales reduce la incertidumbre estadística asociada con las plantillas de MC.

Resultados
El análisis arroja una fuerza de señal observada del bosón de Higgs de $\mu_H = 0.2 \pm 0.7$ relativa a la predicción del Modelo Estándar. La fuerza de señal esperada bajo la hipótesis del ME es $1.0 \pm 0.7$.

• Significancia: La significancia observada es de 0.3 desviaciones estándar ($\sigma$), en comparación con una significancia esperada de 1.5$\sigma$ asumiendo el ME.
• Normalización del fondo: La normalización post-ajuste de los fondos no resonantes dominantes es aproximadamente el 85% de la estimación de MC a orden leading.
• Bondad de ajuste: El ajuste arroja un valor $p$ del 30%, lo que indica un buen acuerdo entre los datos y el modelo de fondo más señal.
• Incertidumbres: La incertidumbre total está dominada por limitaciones estadísticas (0.57), seguida por las estadísticas de las plantillas de fondo de MC (0.25) y las incertidumbres teóricas/de modelado (0.24).

Significancia
El artículo concluye que, aunque no se observó evidencia significativa del proceso VBF $H(b\bar{b}) + \gamma$, el análisis demuestra una sensibilidad mejorada respecto a mediciones anteriores. La significancia esperada de 1.5$\sigma$ representa una mejora de casi el 50% sobre el análisis completo anterior de la Toma de Datos 2 del mismo canal. El resultado modesto (0.3$\sigma$ observado) es consistente con la expectativa del ME dada la pequeña sección eficaz de producción y las limitaciones estadísticas del conjunto de datos. El estudio valida la efectividad de las nuevas técnicas multivariantes, la reponderación cinemática y las estrategias de ajuste directo, estableciendo un marco robusto para futuras búsquedas con el conjunto completo de datos de la Toma de Datos 2 y más allá. Los resultados son compatibles con la medición anterior ($\mu_H = 1.3 \pm 1.0$) dentro de las incertidumbres.