Search for electroweakinos in compressed-spectrum scenarios with low-momentum isolated tracks in proton-proton collisions at $\sqrt{s}$ = 13 TeV

Utilizando 138 fb$^{-1}$ de datos de colisiones protón-protón a 13 TeV, la colaboración CMS realizó una búsqueda de electroweakinos tipo higgsino casi degenerados en masa mediante trazas aisladas de bajo momento y momento transversal faltante, no encontrando ningún exceso significativo y estableciendo límites de exclusión rigurosos sobre las masas de los charginos de hasta 185 GeV para separaciones de masa entre 0,28 y 1,15 GeV.

Lo esencial

El Panorama General: Caza de "Gemelos Fantasma"

Imagina que eres un detective buscando un tipo muy específico de criminal. Este criminal es un "fantasma" que nunca deja una huella dactilar, pero sí deja una huella diminuta, casi invisible.

En el mundo de la física de partículas, los científicos del CERN (Organización Europea para la Investigación Nuclear) están buscando evidencia de la Supersimetría (SUSY). Piensa en la SUSY como un "mundo de sombras" donde cada partícula conocida tiene un gemelo más pesado e invisible. Un tipo específico de estos gemelos se llama higgsino.

¿El problema? Estos higgsinos son muy tímidos. Si existen, podrían ser tan similares en peso a sus parejas que apenas se mueven cuando decaen (se desintegran). Esto los hace increíblemente difíciles de detectar, como intentar encontrar un susurro en un huracán.

El Misterio Específico: El Escenario "Comprimido"

Este artículo se centra en una situación complicada llamada un "espectro comprimido".

• La Analogía: Imagina una bola de bolos pesada (la partícula pesada) rodando por una colina. Normalmente, cuando se rompe, dispara una pelota de tenis (una nueva partícula) con mucha velocidad. Puedes ver fácilmente la pelota de tenis volando lejos.
• El Giro: En este escenario específico, la bola de bolos y la pelota de tenis tienen casi exactamente el mismo peso. Cuando la bola de bolos se rompe, la pelota de tenis no vuela lejos; apenas rueda hacia adelante. Se mueve tan lentamente (tiene "bajo momento") que parece que simplemente está flotando allí.

Debido a que estas partículas son tan pesadas y se mueven tan lentamente, no abandonan el detector rápidamente. En su lugar, recorren una distancia diminuta (hasta unos 1 centímetro) antes de transformarse en un único pión de movimiento lento (un tipo de partícula). Esto crea una "traza suave y aislada": una línea tenue y corta en el detector que no se conecta con el sitio principal de la colisión.

El Desafío: Buscar una Aguja en un Pajarraco

Los científicos están buscando estas trazas tenues y lentas en una masa masiva de datos.

• El Pajarraco: El Gran Colisionador de Hadrones (LHC) hace chocar protones entre sí miles de millones de veces. La mayoría de estas colisiones crean un caos desordenado de partículas (ruido de fondo).
• La Aguja: La señal que buscan es una sola traza lenta que aparece ligeramente alejada del centro de la colisión, acompañada de mucha "energía faltante" (porque las partículas fantasma escapan del detector sin ser vistas).

La dificultad es que el ruido de fondo es enorme. Hay muchas trazas falsas causadas por la confusión del detector o por otras interacciones comunes de partículas. Distinguir la señal real del "fantasma" del ruido es como intentar escuchar a una persona específica susurrando en un estadio lleno de aficionados gritando.

La Solución: Un Detective Inteligente de IA

Para resolver esto, el equipo de CMS no solo utilizó reglas simples (como "si la traza tiene esta longitud, cuéntala"). En su lugar, construyeron una Red Neuronal (un tipo de inteligencia artificial).

• Cómo funciona: Imagina entrenar a un perro para que encuentre un olor específico. Le muestras al perro miles de ejemplos del olor del "fantasma" (señal simulada) y miles de ejemplos de "ruido" (fondo).
• El Entrenamiento: Se alimentó a la IA con datos sobre las trazas: qué tan rápido se movían, exactamente dónde comenzaron y qué tan lejos se desviaron del centro. Aprendió a detectar los patrones sutiles que los ojos humanos o las matemáticas simples pasarían por alto.
• El Resultado: La IA actúa como un filtro, clasificando los millones de trazas y diciendo: "Esta parece un fantasma", o "Esta es solo ruido".

La Investigación: ¿Qué Encontraron?

El equipo analizó datos de 138 billones de colisiones de protones (138 fb⁻¹) registrados entre 2016 y 2018. Utilizaron su IA para escanear la firma específica de la "traza lenta".

El Veredicto:

• No se Encontraron Fantasmas: Después de examinar todos los datos, no encontraron ninguna evidencia de estos gemelos higgsino. El número de eventos que observaron coincidió exactamente con lo que predice el Modelo Estándar (nuestra mejor teoría actual de la física) para el ruido de fondo normal.
• Descartando Posibilidades: Aunque no encontraron las partículas, aprendieron algo importante. Ahora pueden afirmar con un 95% de confianza que, si estos higgsinos existen, no pueden ser tan ligeros como 185 GeV (una unidad de masa) si la diferencia de masa entre ellos es pequeña.

La Conclusión: Cerrando la Ventana

Piensa en esta búsqueda como cerrar la puerta de una habitación específica en una casa.

• Antes de este artículo, los científicos no sabían si estos higgsinos "comprimidos" se estaban escondiendo en esa habitación.
• Después de este artículo, pueden decir: "Hemos buscado en todas partes de esa habitación, y los higgsinos no están allí (al menos no con la masa y la velocidad que probamos)".

Esto establece límites estrictos a la "Supersimetría Natural". Le dice a los teóricos que, si estas partículas existen, deben ser más pesadas o comportarse de manera diferente a los modelos "comprimidos" específicos que probó este artículo. La búsqueda continúa, pero este escondite específico ha sido revisado exhaustivamente y encontrado vacío.

Resumen técnico

Aquí se presenta un resumen técnico detallado del artículo CMS CMS-SUS-24-012, titulado "Búsqueda de electroweakinos en escenarios de espectro comprimido con trazas aisladas de bajo momento en colisiones protón-protón a $\sqrt{s} = 13$ TeV".

1. Planteamiento del Problema y Motivación Física

La búsqueda se dirige a la supersimetría (SUSY) de espectro comprimido, específicamente a escenarios que involucran electroweakinos tipo higgsino. En estos modelos, el neutralino más ligero ($\tilde{\chi}^0_1$) es la Partícula Supersimétrica Más Ligera (LSP) y un candidato a materia oscura. Las partículas supersimétricas siguientes en ligereza (NLSPs)—el chargino más ligero ($\tilde{\chi}^\pm_1$) y el segundo neutralino ($\tilde{\chi}^0_2$)—son casi degeneradas en masa con la LSP.

• El Desafío: Cuando la división de masa ($\Delta m^\pm = m(\tilde{\chi}^\pm_1) - m(\tilde{\chi}^0_1)$) es pequeña (específicamente 0.3–1 GeV), la desintegración $\tilde{\chi}^\pm_1 \to \tilde{\chi}^0_1 \pi^\pm$ produce un pion de muy bajo momento (blando).
• Dificultad de Detección:
  • Si $\Delta m^\pm \lesssim 0.3$ GeV, el chargino es lo suficientemente de vida media larga para producir una firma de "traza desaparecida".
  • Si $\Delta m^\pm \gtrsim 1$ GeV, el pion es lo suficientemente energético para ser reconstruido fácilmente como una traza estándar.
  • La "Brecha": En el rango intermedio (0.3–1 GeV), el pion tiene un momento transversal ($p_T$) típicamente inferior a 1 GeV y un desplazamiento de hasta ~1 cm respecto al vértice primario (PV). Estas trazas a menudo se pierden debido a los umbrales estándar de reconstrucción o se confunden con el fondo proveniente del apilamiento (pileup) y los eventos subyacentes.

2. Metodología

Datos y Selección

• Conjunto de Datos: 138 fb$^{-1}$ de datos de colisiones protón-protón a $\sqrt{s} = 13$ TeV recopilados por el detector CMS (2016–2018).
• Disparador (Trigger): Los eventos se seleccionan con un umbral de momento transversal faltante ($p_T^{miss}$) de $>120$ GeV.
• Selección Offline:
  • $p_T^{miss} > 300$ GeV y $H_T^{miss} > 300$ GeV (suma escalar de $p_T$ de los jets).
  • Al menos una traza aislada con $p_T < 20$ GeV y $|\eta| < 2.4$.
  • Veto sobre electrones aislados, muones, fotones y leptones $\tau$ hadrónicos.
  • Veto sobre jets etiquetados como $b$ y eventos con $\ge 5$ jets.
  • Requisitos sobre la separación angular ($\Delta\phi$) entre $p_T^{miss}$ y los jets para rechazar fondos de multijets QCD.

Estimación del Fondo

Los fondos dominantes son:

1. $Z \to \nu\nu$ + jets: $p_T^{miss}$ genuina proveniente de neutrinos.
2. $W \to \ell\nu$: Donde el leptón se pierde o falla la identificación.
3. Multijets QCD: $p_T^{miss}$ mal medida y trazas falsas.
4. Trazas Secundarias: Trazas provenientes del apilamiento, eventos subyacentes o desintegraciones de partículas producidas en el vértice primario (asociadas al PV).

Los rendimientos de fondo se estiman utilizando simulación corregida mediante métodos impulsados por datos:

• Normalización: Factores de escala derivados de regiones de control (CR) utilizando eventos $Z \to \mu\mu$ (para $Z \to \nu\nu$) y distribuciones inclusivas de desplazamiento en $z$ de trazas ($d_z$) (para trazas asociadas al PV y espurias).
• Refinamiento: Una regresión multivariada basada en la metodología Fast Perfekt se utiliza para corregir la mala modelización en la simulación de la cinemática de las trazas y los parámetros de impacto, asegurando que las distribuciones simuladas coincidan con los datos en las regiones de control.

Estrategia de Aprendizaje Automático

Una Red Neuronal (NN) feedforward parametrizada es el núcleo del análisis para distinguir las trazas de señal del fondo.

• Arquitectura: Tres capas ocultas con 256 unidades cada una, utilizando activaciones LeakyReLU.
• Entradas: 37 observables que incluyen la cinemática de la traza ($p_T$, $\eta$), la calidad del ajuste helicoidal, la significancia del parámetro de impacto ($IP_{xy}$) respecto al PV y los vértices de apilamiento, y el $p_T^{miss}$ a nivel de evento.
• Parametrización: La red se entrena con la diferencia de masa de entrada ($\Delta m^\pm_{in}$) como parámetro (0.3, 0.6 y 1.0 GeV) para capturar correlaciones a través del espacio de fases de la señal.
• Salida: La NN clasifica las trazas en cinco categorías: Señal, trazas de desintegración de $\tau$, otras trazas secundarias, trazas prompt del PV y trazas espurias.
• Regiones de Señal (SRs): Los eventos se categorizan según la puntuación de la NN ($\tilde{P}$) para la clase de señal. Se definen tres SRs distintas correspondientes a los valores de $\Delta m^\pm_{in}$ de entrada, cada una estratificada adicionalmente por la puntuación para maximizar la sensibilidad.

3. Contribuciones Clave

1. Nuevo Canal de Búsqueda: Esta es una de las primeras búsquedas que se dirige específicamente al difícil régimen de división de masa de 0.3–1 GeV utilizando trazas aisladas de bajo momento con un enfoque dedicado de NN. Las búsquedas anteriores se centraron en trazas desaparecidas ($\Delta m < 0.3$ GeV) o leptones blandos ($\Delta m > 1$ GeV).
2. Modelado Avanzado del Fondo: El uso de una NN parametrizada permite un tratamiento unificado de la señal y el fondo a través de diferentes divisiones de masa, mejorando significativamente la sensibilidad en comparación con los análisis tradicionales basados en cortes.
3. Refinamiento Impulsado por Datos: La implementación de la técnica de regresión Fast Perfekt para corregir la mala modelización de las propiedades de las trazas blandas (parámetros de impacto y $p_T$) asegura una estimación robusta del fondo en una región dominada por ineficiencias de reconstrucción.

4. Resultados

• Observación: No se observó ningún exceso significativo de eventos por encima de la expectativa del Modelo Estándar en ninguna de las 12 Regiones de Señal. Los datos son consistentes con la hipótesis de solo fondo.
• Límites de Exclusión (Nivel de Confianza del 95%):
  • División de Masa: El modelo higgsino queda excluido para divisiones de masa en el rango 0.28–1.15 GeV.
  • Masa del Chargino:
    • Para una división de masa de 0.55 GeV, se excluyen masas de chargino de hasta 185 GeV.
    • Para una masa de chargino de 100 GeV, se excluyen divisiones de masa entre 0.28 y 1.15 GeV.
• Comparación: Estos límites son los más estrictos hasta la fecha para este régimen específico de espectro comprimido, cerrando efectivamente una brecha significativa en la búsqueda de materia oscura higgsino natural.

5. Significado

Este análisis aborda un "punto ciego" crítico en la búsqueda de supersimetría natural. Los argumentos de naturalidad sugieren que los higgsinos deberían ser ligeros (cerca de la escala electrodébil, $\sim 100$ GeV) para evitar el ajuste fino. Sin embargo, si la división de masa es pequeña, los piones resultantes blandos son difíciles de detectar.

Al reconstruir e identificar con éxito estas trazas blandas, potencialmente desplazadas, utilizando un enfoque sofisticado de aprendizaje automático, este resultado:

• Restringe la SUSY Natural: Impone restricciones severas al espacio de parámetros para escenarios de higgsino natural, empujando el límite inferior de la masa del chargino significativamente más alto que los límites anteriores en este régimen cinemático específico.
• Demuestra la Metodología: Valida el uso de redes neuronales parametrizadas y técnicas avanzadas de reconstrucción de trazas para sondear firmas de bajo momento, una estrategia que será esencial para las futuras corridas de alta luminosidad del LHC y futuros colisionadores.
• Implicaciones para la Materia Oscura: Reduce la ventana viable para la materia oscura higgsino, sugiriendo que si los higgsinos existen, deben ser o bien más pesados que 185 GeV (aumentando el ajuste fino) o tener divisiones de masa fuera del rango de 0.28–1.15 GeV.