Deep Neural Networks for Heavy Lepton-Flavor-Violating Higgs Searches at the LHC

Resumen Técnico: Redes Neuronales Profundas para Búsquedas de Higgs con Violación de Sabor Leptónico Pesado en el LHC

Enunciado del Problema
La búsqueda de desintegraciones con Violación de Sabor Leptónico (VSL) de bosones de Higgs pesados ($H \to \mu\tau$) dentro del Modelo de Dos Dobletes de Higgs Tipo-III (2HDM) está actualmente limitada por la dependencia de la aproximación de masa colineal ($M_{col}$) para la discriminación de eventos. Aunque $M_{col}$ asume que los neutrinos procedentes de las desintegraciones de $\tau$ son colineales con los productos visibles, esta aproximación introduce sesgos sistemáticos y no aprovecha la información cinemática completa del estado final. Las búsquedas existentes por parte de la colaboración CMS en el rango de masas de 200–900 GeV no han encontrado evidencia concluyente de VSL, pero la sensibilidad de estos análisis podría mejorarse aprovechando técnicas modernas de aprendizaje automático, que aún no se han aplicado a este canal específico de búsqueda de VSL.

Metodología
Los autores reinterpretan la búsqueda de CMS de bosones de Higgs pesados con VSL utilizando 35.9 fb$^{-1}$ de datos de LHC a 13 TeV, centrándose en el canal $H \to \mu\tau \to \mu e \nu \nu$. El análisis emplea una simulación rápida de detector (DELPHES 3) y genera eventos de señal en una exploración de masas de alta resolución (200–450 GeV) utilizando MADGRAPH5 y PYTHIA 8. El estudio se divide en dos componentes técnicos principales:

1. Clasificador DNN: Una Red Neuronal Profunda (DNN) se entrena para distinguir la señal de los fondos dominantes del Modelo Estándar ($WW$y$t\bar{t}$). La red utiliza diez características cinemáticas de entrada: las componentes del momento tridimensional del muón y del electrón, las componentes del momento transversal faltante, la masa visible ($m_{vis}$) y la masa colineal ($M_{col}$). La arquitectura consta de cinco capas ocultas con activaciones LeakyReLU, Normalización por Lotes (Batch Normalization) y Dropout. El clasificador se entrena con optimización de umbrales dependiente de la masa para minimizar los límites superiores esperados al 95% de CL sobre la sección eficaz de la señal.
2. Interpretabilidad y Simplificación: Se aplican valores SHAP (SHapley Additive exPlanations) para interpretar la lógica de decisión del clasificador, identificando las variables cinemáticas más influyentes.
3. Regresión DNN: Se desarrolla un modelo de regresión DNN separado para corregir el sesgo sistemático inherente a la aproximación de $M_{col}$. En lugar de predecir la masa directamente, la red predice la relación $R = m_H / M_{col}$, permitiendo una estimación de masa corregida $m_{pred} = R \cdot M_{col}$. Este modelo emplea una arquitectura residual con pérdida Huber para manejar valores atípicos.

Contribuciones y Resultados Clave

• Sensibilidad Mejorada mediante Clasificación: El clasificador DNN supera significativamente a la línea base estándar de $M_{col}$. En el canal de 0 jets, los límites superiores esperados al 95% de CL sobre la sección eficaz de la señal se reducen en un 42–46%. En el canal de 1 jet, la reducción es del 36–40%. Esta mejora es más pronunciada a masas más altas (por ejemplo, $m_H = 450$ GeV), donde la cinemática de la señal es más distinta de los fondos, como lo demuestran los valores del Área Bajo la Curva (AUC) que alcanzan 0.951 (0 jets) y 0.940 (1 jet).
• Interpretabilidad y Cortes Simplificados: El análisis SHAP identifica la masa visible ($m_{vis}$) como una característica discriminante dominante, mostrando una correlación inversa con la probabilidad de señal. Esto refleja la realidad física de que los neutrinos llevan una fracción significativa del momento del $\tau$, haciendo que $m_{vis}$ sea consistentemente menor que la verdadera $m_H$. Basándose en esto, los autores proponen un corte de pre-selección simplificado y dependiente de la masa: $m_{vis} < f \cdot m_H$ (con $f=0.7$ para 0 jets y $f=0.8$ para 1 jet). Este corte simple captura una fracción sustancial de la ganancia de sensibilidad del DNN sin requerir infraestructura multivariante, ofreciendo una mejora inmediatamente implementable para las estrategias de búsqueda existentes.
• Corrección de Reconstrucción de Masa: El modelo de regresión DNN mitiga con éxito el sesgo de predicción sistemática de la aproximación colineal. Para señales hasta 400 GeV, el modelo mantiene un error absoluto de predicción de masa por debajo de 1 GeV, en comparación con errores que superan los 2 GeV para el método estándar de $M_{col}$. Además, la regresión mejora la resolución de masa en un 12% en el canal de 0 jets y un 21% en el canal de 1 jet a $m_H = 450$ GeV. Las distribuciones normalizadas de pull confirman que el DNN proporciona una reconstrucción más estable y precisa a lo largo del espectro de masas.

Significado
El artículo demuestra que las técnicas de aprendizaje profundo pueden mejorar sustancialmente el potencial de descubrimiento de bosones de Higgs pesados con VSL en el rango de 200–450 GeV. La importancia principal radica en dos áreas:

1. Rendimiento: El clasificador DNN proporciona una mejora robusta y cuantificable en la sensibilidad sobre los métodos tradicionales, reduciendo los límites superiores esperados casi a la mitad en los canales más favorables.
2. Implementación Práctica: Al utilizar SHAP para identificar $m_{vis}$ como un discriminador clave, los autores cierran la brecha entre el análisis multivariante complejo y la viabilidad experimental. El corte propuesto basado en $m_{vis}$ ofrece un refinamiento físicamente intuitivo y fácilmente verificable a la estrategia estándar de $M_{col}$ que puede ser adoptado por colaboraciones experimentales sin necesidad de una infraestructura multivariante completa.

Los autores señalan que, aunque el estudio actual depende de una simulación rápida y del modo de desintegración leptónico del $\tau$, la consistencia de las mejoras en las métricas y las categorías de jets proporciona un caso convincente para adoptar estas técnicas en análisis experimentales dedicados. El trabajo futuro implicaría extender estos métodos al modo hadrónico del $\tau$ e incorporar incertidumbres sistemáticas completas.