Search for low-mass hidden-valley dark showers with non-prompt muon pairs in proton-proton collisions at $\sqrt{s}$ = 13 TeV

El experimento CMS del LHC realizó una búsqueda de lluvias de partículas oscuras de baja masa mediante pares de muones no prompt en colisiones protón-protón a 13 TeV, estableciendo límites superiores sin observar desviaciones significativas respecto al Modelo Estándar.

Lo esencial

¡Hola! Imagina que el universo es como un inmenso océano. Lo que podemos ver (estrellas, planetas, nosotros mismos) es como una pequeña isla de arena brillante en medio de ese océano. Pero los científicos saben que el 95% del océano es agua oscura e invisible que no podemos ver, pero que tiene masa y gravedad. A esto lo llamamos Materia Oscura.

Este documento es un informe de los científicos del experimento CMS en el CERN (el gran laboratorio de física en Suiza) que nos cuenta cómo intentaron "ver" lo invisible.

Aquí tienes la explicación, traducida a un lenguaje sencillo y con algunas analogías divertidas:

1. La Misión: Buscar "Fantasmas" en el Espectro

Los científicos creen que la Materia Oscura no es solo una partícula solitaria, sino que podría tener su propia "sociedad" oculta, con sus propias reglas y fuerzas, similar a cómo tenemos átomos y moléculas. A esta sociedad oculta la llaman "Valle Oculto" (Hidden Valley).

En este Valle Oculto, las partículas se comportan como si tuvieran su propia versión de la "fuerza fuerte" (la que mantiene unidos los átomos). Cuando estas partículas chocan, crean una lluvia de partículas oscuras, a lo que llaman "Chorros Oscuros" (Dark Showers).

La analogía: Imagina que el Higgs (una partícula famosa que da masa) es como un bombón gigante. En este experimento, los científicos esperan que este bombón se rompa y, en lugar de soltar chocolate, suelte una lluvia de golosinas invisibles (partículas oscuras). Estas golosinas viajan un poco, se transforman en otras cosas y finalmente, por un momento, se convierten en muones (un tipo de partícula que sí podemos detectar, como un "fantasma" que deja una huella).

2. El Problema: ¿Cómo atrapar algo que no se queda quieto?

El truco es que estas partículas oscuras no aparecen y desaparecen al instante. Son como caminantes lentos.

• En la física normal, las partículas chocan y se desintegran en una fracción de segundo, justo en el punto de impacto.
• En este caso, las partículas oscuras viajan unos milímetros o centímetros antes de desintegrarse en muones.

La analogía: Imagina que lanzas una pelota de tenis (el choque) y esperas que rebote inmediatamente. Pero en este experimento, la pelota viaja unos metros por el aire antes de chocar contra la pared y hacer ruido. Los científicos buscan ese "ruido" (los muones) que ocurre lejos del punto donde lanzaron la pelota.

3. La Estrategia: El "Estacionamiento de Datos" (Data Parking)

Para encontrar estas partículas, necesitan mirar cosas muy pequeñas y lentas. Pero los ordenadores del CERN están tan ocupados procesando millones de colisiones por segundo que no pueden guardar todos los detalles de las colisiones "lentas" y de baja energía.

La solución creativa: Usaron una estrategia llamada "Data Parking" (Estacionamiento de Datos).

• Imagina un aparcamiento de coches muy concurrido. Normalmente, solo dejas entrar a los coches deportivos rápidos (datos de alta energía).
• Pero los científicos dijeron: "¡Espera! Vamos a dejar entrar a todos los coches, incluso a los lentos y pequeños, y los aparcaremos en una cinta magnética sin revisarlos ahora".
• Más tarde, cuando hay tiempo libre (como en las vacaciones de verano), vuelven a revisar esos "coches aparcados" con lupa. Esto les permitió encontrar partículas que antes se perdían.

4. La Caza: El Detector de Mentiras (IA)

Tienen millones de eventos registrados. La mayoría son "ruido" de fondo (partículas normales que se parecen un poco a lo que buscan). Para separar la señal del ruido, usaron Inteligencia Artificial (específicamente un algoritmo llamado Boosted Decision Tree).

La analogía: Imagina que tienes una pila de 100.000 fotos de gente en una fiesta. Quieres encontrar a un espía que lleva una gorra roja y camina lento.

• La IA es como un detective experto que ha visto miles de fotos.
• Le dice: "Mira, en esta foto hay 5 personas caminando lento y formando un grupo extraño. ¡Eso es sospechoso!".
• En otra foto, hay 2 personas corriendo rápido. "Eso es normal, ignóralo".
• La IA filtra millones de eventos para encontrar solo los que parecen "espías".

5. El Resultado: ¡Silencio! (Pero es bueno)

Después de revisar 41.6 billones de colisiones (¡una cantidad astronómica!), no encontraron ninguna señal de estas partículas oscuras.

¿Es esto malo? ¡Para nada! En ciencia, no encontrar lo que buscas es tan importante como encontrarlo.

• Significa que descartamos muchas teorías. Ahora sabemos que, si estas partículas existen, son aún más "esquivas" de lo que pensábamos.
• Han puesto límites muy estrictos: "Si existen, no pueden tener esta masa ni viajar a esta velocidad". Es como decir: "No hay fantasmas en este cuarto, así que si hay uno, debe ser invisible y silencioso".

6. ¿Por qué es importante?

Aunque no encontraron el "tesoro", han dibujado un mapa mucho más preciso de dónde no está el tesoro.

• Han mejorado los límites de búsqueda para partículas que pesan tan poco como 0.3 GeV (muy ligeras).
• Han probado modelos nuevos que nunca antes se habían buscado con esta precisión.

En resumen

Los científicos del CMS actuaron como detectives privados en una ciudad gigante (el CERN). Usaron una técnica especial para guardar "coches lentos" (datos) que normalmente se ignoran. Contrataron a un detective de IA para revisar millones de fotos y buscar huellas de "fantasmas" que caminan lento.

Al final, no encontraron a los fantasmas. Pero gracias a esto, ahora sabemos con mucha más certeza dónde no hay fantasmas, lo que nos ayuda a entender mejor los misterios del universo y a afinar nuestras teorías para la próxima búsqueda. ¡Es un paso más hacia la verdad!

Resumen técnico

A continuación presento un resumen técnico detallado del documento CERN-EP-2025-241 (CMS-EXO-24-008), titulado "Search for low-mass hidden-valley dark showers with non-prompt muon pairs in proton-proton collisions at √s = 13 TeV".

1. Problema y Contexto Científico

El Modelo Estándar (ME) de la física de partículas, aunque exitoso, no explica la naturaleza de la materia oscura, que constituye aproximadamente el 27% del contenido energético del universo. Una de las teorías más prometedoras para abordar esto son los modelos de Valle Oculto (Hidden Valley), que postulan la existencia de un sector oscuro con su propia fuerza de gauge no abeliana (análogo a la Cromodinámica Cuántica, QCD).

En estos modelos, las partículas de materia oscura pueden formar "lluvias oscuras" (dark showers) de alta multiplicidad. Si estas partículas tienen vidas medias medibles, pueden decaer en partículas del Modelo Estándar (como muones) fuera del punto de colisión primario, creando vértices desplazados (displaced vertices). El desafío experimental radica en detectar estas señales de baja masa (sub-GeV) y baja energía transversa ($p_T$), que a menudo son filtradas por los desencadenadores (triggers) estándar del LHC debido a sus umbrales de energía elevados.

2. Metodología y Estrategia Experimental

Datos y Detector:

• Experimento: CMS en el LHC (CERN).
• Datos: Se utilizó el conjunto de datos "B-parking" recolectado en 2018 a una energía de colisión de $\sqrt{s} = 13$ TeV.
• Estrategia de "Data Parking": Esta estrategia permite almacenar datos en bruto con umbrales de desencadenador reducidos, facilitando la selección de muones de baja $p_T$ ($7-12$ GeV) y alta significancia del parámetro de impacto ($IP_{sig} > 3-6$). Esto es crucial para capturar decaimientos de partículas de vida media larga que se desplazan del vértice primario.
• Luminosidad: $41.6 \text{ fb}^{-1}$.

Modelos Teóricos Investigados:
El análisis busca tres clases de modelos de valle oculto donde el bosón de Higgs decae en partones oscuros ($\psi\bar{\psi}$), que luego se hadronizan:

1. Portal Vectorial: Contiene mesones oscuros vectoriales ($\tilde{\omega}$) y pseudoscalares ($\tilde{\eta}$). Se asume que el $\tilde{\omega}$ tiene una vida media medible y decae a pares de muones con una rama de desintegración del 10-30%.
2. Escenario A: Modelo extendido con dos sabores oscuros. Incluye piones oscuros ($\tilde{\pi}_{1,2,3}$) y fotones oscuros ($A'$). El $\tilde{\pi}_3$ decae a dos $A'$, que luego decaen a muones. Los vértices de los muones apuntan hacia el eje del haz (pointing).
3. Escenario B1: Similar al A, pero el $\tilde{\pi}_3$ es la partícula de vida larga que decae a $A'$, los cuales decaen promptamente a muones. Los vértices no apuntan al eje del haz (non-pointing).

Técnicas de Análisis:

• Selección de Eventos: Se requieren al menos dos muones de carga opuesta que formen un vértice secundario (SV) desplazado. Se aplica un corte de calidad en el $\chi^2$ del vértice y en el parámetro de impacto.
• Machine Learning (BDT): Se emplea un Árbol de Decisión Potenciado (Boosted Decision Tree - BDT) entrenado con XGBoost para discriminar entre la señal y el fondo de QCD.
  • Variables de entrada: Multiplicidad de muones, parámetros de impacto transversales ($d_{xy}$), ángulo de apuntado (pointing angle), y variables de vértices secundarios.
  • La alta multiplicidad de muones en las señales de lluvia oscura es una característica clave para la separación.
• Categorización: Los eventos se dividen en 12 categorías basadas en:
  • Número de vértices (único vs. múltiple).
  • Desplazamiento transversal ($l_{xy}$): $[0, 1]$ cm, $(1, 10]$ cm, $>10$ cm.
  • Ángulo de apuntado: $[0, 0.2]$ y $(0.2, \pi]$.
• Ajuste de Masa: Se utiliza una función Voigtiana para la señal y un envoltorio de funciones (polinomio, exponencial, ley de potencia) para el fondo, ajustando en ventanas deslizantes de masa di-muón (rango de 0.3 a 20 GeV). Se enmascaran resonancias del Modelo Estándar conocidas (ej. $J/\psi$, $\Upsilon$).

3. Contribuciones Clave

1. Primera búsqueda en modelos de lluvia oscura con muones: A diferencia de búsquedas anteriores limitadas a masas altas ($>10$ GeV) o firmas de "jets emergentes", este es el primer análisis que busca específicamente lluvias oscuras de baja masa que decaen a pares de muones desplazados.
2. Uso de datos "B-parking": Demuestra la capacidad de la estrategia de data parking para acceder a regiones de masa sub-GeV y desplazamientos cortos que son inaccesibles para los desencadenadores estándar.
3. Límites para nuevos escenarios: Establece por primera vez límites para los modelos extendidos de dos sabores (Escenarios A y B1) que incluyen fotones oscuros.
4. Mejora en sensibilidad: Supera los límites anteriores en modelos de portal vectorial para longitudes de vida propias menores a 500 mm y masas tan bajas como 0.3 GeV.

4. Resultados

• Observación: No se observó ningún exceso significativo de eventos por encima de la expectativa del Modelo Estándar en ninguna de las categorías analizadas.
• Límites Superiores (95% CL):
  • Se establecieron límites superiores en la rama de desintegración del bosón de Higgs a partones oscuros ($B(H \to \psi\bar{\psi})$).
  • Los límites alcanzan valores tan bajos como $10^{-4}$ para el modelo de portal vectorial.
  • Para el modelo de portal vectorial, los límites mejoran en hasta dos órdenes de magnitud respecto a búsquedas anteriores de CMS en el rango de longitudes de vida de 100 a 500 mm.
  • Se exploraron masas de mesones oscuros ($\tilde{\omega}$) desde 0.3 GeV hasta 20 GeV.
  • Para los Escenarios A y B1, se establecieron límites iniciales para fotones oscuros con masas tan bajas como 0.33 GeV.
• Eficiencia: La sensibilidad es mayor para vidas medias más cortas (debido a la mayor eficiencia de reconstrucción de vértices) y para masas más altas (debido a la menor cantidad de fondo). El modelo de portal vectorial muestra mayor sensibilidad que los escenarios extendidos debido a la mayor multiplicidad de mesones oscuros.

5. Significado e Impacto

Este trabajo representa un avance significativo en la búsqueda de física más allá del Modelo Estándar en el régimen de baja masa y partículas de vida media larga.

• Validación de Estrategias: Confirma que la estrategia de data parking combinada con técnicas avanzadas de aprendizaje automático (BDT) es altamente efectiva para descubrir fenómenos sutiles que de otro modo pasarían desapercibidos.
• Restricción de Modelos: Las nuevas restricciones excluyen grandes porciones del espacio de parámetros para modelos de valle oculto con mesones $\tilde{\omega}$ y fotones oscuros, obligando a la comunidad teórica a refinar sus modelos o buscar señales en regiones de parámetros aún no exploradas.
• Cobertura de Parámetros: Llena un vacío crítico en la cobertura de masas sub-GeV y desplazamientos cortos, complementando las búsquedas en los detectores de muones que son sensibles a desplazamientos más largos.

En resumen, el análisis no encontró evidencia de lluvias oscuras, pero estableció los límites más estrictos hasta la fecha para una amplia gama de modelos teóricos, demostrando la capacidad del experimento CMS para explorar fronteras de baja masa y baja energía en el LHC.