Probing Freeze-In Dark Matter via a Spin-2 Portal at the LHC with Vector Boson Fusion and Machine Learning

Este artículo investiga la fenomenología de la materia oscura producida mediante el mecanismo de congelación (freeze-in) a través de un portal de espín-2 en el LHC, demostrando que una estrategia de búsqueda basada en aprendizaje automático puede explorar regiones viables del espacio de parámetros cosmológicos mediante canales de fusión de bosones vectoriales.

Lo esencial

Imagina que el universo es como una inmensa fiesta. Sabemos que hay mucha gente en ella (la materia normal), pero también sabemos que hay una "masa fantasma" que ocupa el 85% del espacio, pero que nadie puede ver ni tocar. A esto lo llamamos Materia Oscura.

Durante años, los científicos buscaron a esta "masa fantasma" asumiendo que era como un invitado pesado y ruidoso (llamado WIMP) que chocaba contra nosotros con fuerza. Pero, ¡nada! Los detectores más sensibles no han encontrado rastro de ellos.

En este nuevo estudio, los autores proponen una idea diferente: ¿Y si la Materia Oscura no es un invitado ruidoso, sino un fantasma tan tímido que apenas existe en nuestra realidad? A esto lo llaman "Materia Oscura de Interacción Débil" (FIDM).

Aquí te explico cómo funciona su investigación, usando analogías sencillas:

1. El Mensajero Invisible (El Portal de Espín-2)

Para que la Materia Oscura (el fantasma) y nosotros (el mundo normal) nos "conozcamos", necesitamos un mensajero. En este estudio, el mensajero es una partícula especial llamada mediador de espín-2.

• La analogía: Imagina que el mensajero es un gravitón (una partícula de gravedad) que tiene un poco de peso. A diferencia de otros mensajeros que hablan con todos (como los fotones o los gluones), este mensajero es muy selectivo. Solo "habla" con la luz (fotones) y con la Materia Oscura. No le importa hablar con la materia normal (como los protones o electrones).

2. El Mecanismo de "Congelación" (Freeze-In)

¿Cómo se creó la Materia Oscura en el universo temprano?

• El viejo modelo (Freeze-Out): Imagina una habitación llena de gente bailando. Si de repente apagas la música, todos se quedan quietos. Así funcionaba la materia oscura antigua: estaba en equilibrio, bailando con nosotros, y luego se "congeló" cuando el universo se enfrió.
• El nuevo modelo (Freeze-In): Imagina que la habitación está vacía y muy fría. De repente, cae una gota de agua muy pequeña y rara cada vez que pasa un rayo de sol. Nunca hay suficiente agua para llenar la habitación, pero con el tiempo, se acumula un poco.
  • En este estudio, la Materia Oscura se creó así: gotas muy pequeñas y raras que nunca llegaron a mezclarse con nosotros. Nunca estuvieron en "equilibrio térmico". Simplemente se acumularon lentamente a través de choques muy débiles entre fotones (luz).

3. El Problema de Detectar al Fantasma en el LHC

El Gran Colisionador de Hadrones (LHC) es como un acelerador de partículas gigante que lanza protones a toda velocidad para ver qué sale.

• El desafío: Como la Materia Oscura es tan tímida (interacción débil) y el mensajero solo habla con la luz, los métodos tradicionales de búsqueda (que buscan choques fuertes entre partículas) no funcionan. Es como intentar encontrar a un fantasma en una habitación oscura usando un martillo; el martillo es demasiado ruidoso y el fantasma no reacciona.
• La solución de los autores: En lugar de usar un martillo, usan un espejo muy especial y un detective inteligente.
  1. El Espejo (Fusión de Bosones Vectoriales): En lugar de chocar protones directamente, buscan un proceso donde dos "rayos de luz" (fotones) chocan y crean al mensajero. Este mensajero luego se desintegra en Materia Oscura (que escapa sin dejar rastro) y deja dos "chispas" (jets) de partículas normales que salen disparadas hacia los lados.
  2. El Detective (Machine Learning): Como el "ruido" de fondo en el colisionador es enorme, los científicos entrenaron a una Inteligencia Artificial (un algoritmo de aprendizaje automático) para que actúe como un detective experto. Este detective no busca una sola pista obvia, sino que analiza miles de detalles pequeños (ángulos, energías, tiempos) para distinguir la "firma" del fantasma del ruido normal.

4. Los Resultados: ¿Podemos verlo?

El estudio concluye que:

• Si la Materia Oscura se creó con un "reinicio" del universo a una temperatura baja (como un día frío de invierno), es muy probable que el LHC, especialmente en su versión futura de alta luminosidad (HL-LHC), pueda encontrarla.
• La Inteligencia Artificial es clave aquí. Sin ella, el señal sería demasiado débil para verla entre el ruido. Con la IA, pueden "escuchar" el susurro del fantasma.
• Si la temperatura del universo fue muy alta, el mensajero sería tan pesado y débil que el LHC actual no podría verlo. Pero para los escenarios más probables y "fríos", ¡hay esperanza!

En resumen

Los autores dicen: "Dejemos de buscar al fantasma con un martillo. Usemos un espejo de luz y un detective con IA para encontrar a ese invitado tímido que solo se comunica con la luz. Si tenemos suerte y el universo se enfrió rápido al principio, el LHC podría ser el lugar donde finalmente lo veamos".

Es un puente entre la cosmología (cómo nació el universo), la gravedad (el mensajero de espín-2) y la tecnología (la IA en el colisionador), ofreciendo una nueva esperanza para resolver uno de los mayores misterios de la física.

Resumen técnico

1. El Problema

La naturaleza de la materia oscura (DM) sigue siendo uno de los mayores misterios de la física de partículas. El paradigma tradicional de las Partículas Masivas de Interacción Débil (WIMP) no ha sido confirmado por experimentos de detección directa ni por colisionadores, lo que ha impulsado el interés en modelos de Materia Oscura de Interacción Débil (FIDM).

• Mecanismo de Freeze-In: A diferencia del freeze-out térmico, en el freeze-in las partículas de DM interactúan tan débilmente con el Modelo Estándar (SM) que nunca alcanzan el equilibrio térmico en el universo temprano. Su abundancia se genera gradualmente a través de procesos fuera de equilibrio.
• El Portal de Espín-2: El estudio se centra en un escenario donde la DM se produce mediante un mediador masivo de espín-2 (similar a un gravitón, $G_{\mu\nu}$) que se acopla universalmente a los tensores de energía-momento del SM y del sector oscuro.
• El Desafío Experimental: En este modelo específico ("portal solo de fotones"), el mediador no se acopla directamente a quarks o gluones a nivel árbol. Esto suprime drásticamente los canales de producción convencionales (como la fusión de gluones o resonancias Drell-Yan), haciendo que las búsquedas tradicionales de resonancias diphoton en el LHC sean insensibles a este régimen de acoplamientos débiles.

2. Metodología

Los autores desarrollan un marco teórico y una estrategia de búsqueda experimental para conectar la cosmología con la física de colisionadores:

• Marco Teórico:

  • Se considera un mediador de espín-2 que se acopla a fotones ($\gamma$) y a un campo escalar de DM ($\chi$) a través de escalas de energía efectivas $\Lambda_\gamma$ y $\Lambda_\chi$.
  • Se calcula la densidad relicta de DM bajo condiciones de freeze-in, tanto en régimen no resonante (producción fuera de polo) como resonante (producción del mediador en la masa $m_G$).
  • Se establecen las condiciones cosmológicas para que la DM no se thermalice y para que la abundancia actual coincida con $\Omega_{DM}h^2 \approx 0.12$.

• Simulación de Eventos:

  • Se utilizan herramientas Monte Carlo (FeynRules, MadGraph5_aMC@NLO, Pythia, Delphes) para simular colisiones protón-protón a $\sqrt{s} = 13.6$ TeV.
  • Señal: Producción de DM vía fusión de fotones ($\gamma\gamma \to G^* \to \chi\chi$) acompañada de dos jets (topología de Fusión de Bosones Vectoriales - VBF): $pp \to \chi\chi jj$.
  • Fondo: Se simulan procesos del SM dominantes, incluyendo producción de bosones vectoriales con jets ($V$+jets), producción de bosones dobles ($VV$) y multijets QCD, que pueden generar momento transversal faltante ($E_T^{miss}$) debido a neutrinos.

• Estrategia de Análisis con Aprendizaje Automático (ML):

  • Dado que las señales son débiles y los fondos son grandes, se emplea un clasificador de Árboles de Decisión Boosted (BDT).
  • Variables de Entrada: Se utilizan 8 variables cinemáticas clave: momento transversal faltante ($E_T^{miss}$), momento transversal de los jets líderes ($p_T(j_{1,2})$), masa invariante de los dos jets ($m_{jj}$), pseudorapideces ($\eta$) y separaciones angulares ($\Delta\eta, \Delta\phi$).
  • El BDT explota correlaciones no lineales entre estas variables para discriminar la topología VBF de la señal (dos jets forward con gran separación en rapidez y alta masa invariante) frente a los fondos del SM.

• Escenario Experimental:

  • Se proyectan los resultados para el HL-LHC (High-Luminosity LHC) con una luminosidad integrada de $3000 \text{ fb}^{-1}$.
  • Se incluyen incertidumbres sistemáticas (luminosidad, escala de energía de jets, PDFs) y estadísticas en un ajuste de verosimilitud perfilada.

3. Contribuciones Clave

1. Conexión Cosmología-Colisionador: Se establece un vínculo cuantitativo directo entre los parámetros de producción de freeze-in en el universo temprano y las tasas de producción observables en el LHC para un portal de espín-2.
2. Estrategia de Búsqueda Especializada: Se demuestra que las búsquedas de resonancias diphoton estándar son ineficaces para este modelo debido a la supresión de la producción por fusión de gluones. En su lugar, se propone y valida una búsqueda basada en la topología VBF + $E_T^{miss}$.
3. Implementación de ML: Se demuestra que el uso de algoritmos de aprendizaje automático (BDT) mejora significativamente la sensibilidad en comparación con los cortes tradicionales, permitiendo explorar regiones de acoplamientos débiles que de otro modo serían inaccesibles.
4. Mapa de Parámetros Viabilidad: Se identifican las regiones del espacio de parámetros ($m_G, m_\chi, \Lambda_\gamma, \Lambda_\chi$) que son consistentes tanto con la cosmología (freeze-in) como con los límites futuros del HL-LHC.

4. Resultados

• Sensibilidad del HL-LHC: Con $3000 \text{ fb}^{-1}$, el HL-LHC puede excluir mediadores de espín-2 con masas de hasta ~800 GeV - 1 TeV para escalas de acoplamiento moderadas ($\Lambda \sim 1-10$ TeV).
• Discriminación de Señal-Fondo: El BDT logra separar eficazmente la señal VBF (que tiene jets forward con gran $\Delta\eta$ y alta $m_{jj}$) de los fondos QCD y electrodébiles, que tienden a tener jets más centrales y suaves.
• Cobertura Cosmológica:
  • Para temperaturas de recalentamiento ($T_R$) bajas (10 MeV - 100 MeV), donde domina el freeze-in no resonante, una parte significativa del espacio de parámetros viable cosmológicamente cae dentro de la región excluida por el HL-LHC.
  • Para $T_R$ más altas o regímenes resonantes, se requieren escalas de acoplamiento mucho mayores ($\Lambda \sim 10^8 - 10^9$ GeV), lo que hace que la señal sea demasiado débil para ser detectada incluso en el HL-LHC.
• Límites Actuales: Se confirma que las búsquedas actuales de resonancias diphoton (ATLAS/CMS) no imponen restricciones significativas en este modelo debido a la baja sección eficaz de producción y la naturaleza del canal de decaimiento.

5. Significado

Este trabajo es fundamental porque:

• Valida la viabilidad de probar la DM de Freeze-In: Demuestra que, a pesar de la debilidad extrema de las interacciones, los colisionadores de alta luminosidad pueden sondear estos escenarios si se utilizan canales de producción específicos (VBF) y técnicas avanzadas de análisis (ML).
• Brida la Física de Gravedad y Cosmología: Proporciona un camino concreto para probar teorías motivadas por la gravedad (como modelos de dimensiones extra o gravitones masivos) que conectan la física de altas energías con la evolución del universo temprano.
• Guía Futuras Búsquedas: Establece una metodología robusta para buscar sectores oscuros "feeble" (débilmente acoplados) que escapan a las búsquedas convencionales, sugiriendo que el HL-LHC actuará como un laboratorio crucial para la física de la materia oscura más allá del paradigma WIMP.

En resumen, el artículo demuestra que la combinación de la topología de fusión de bosones vectoriales y el aprendizaje automático permite al HL-LHC explorar regiones del espacio de parámetros de la materia oscura de freeze-in mediada por espín-2 que son cosmológicamente viables y actualmente inexploradas.