MAcNLOPS for ZZ Pair Production at the LHC

Resumen Técnico: MAcNLOPS para la Producción de Pares ZZ en el LHC

Enunciado del Problema
Las predicciones de precisión para los observables del LHC requieren cálculos de Orden Siguiente al Líder (NLO) acoplados con Cascadas de Partones (PS). El método estándar MC@NLO logra esto restando la aproximación de la cascada del elemento de matriz de emisión real y sumando la contribución integrada a la muestra tipo Born. Aunque esto preserva la precisión NLO, frecuentemente genera eventos con pesos negativos. Estos pesos negativos surgen cuando la aproximación de la cascada excede localmente el elemento de matriz real ($K > R$). Aunque matemáticamente válidos debido a la cancelación local, los pesos negativos son indeseables en la práctica: reducen el poder estadístico de las muestras de eventos, requieren la generación de significativamente más eventos para lograr una precisión dada y complican su uso en análisis experimentales.

Alternativas existentes como POWHEG evitan en gran medida los pesos negativos generando la emisión más dura mediante una formulación de Sudakov, pero esto altera la división del trabajo entre el cálculo NLO y la cascada, afectando potencialmente la estructura logarítmica de la cascada y su estrategia de retroceso. Otros métodos, como MC@NLO-$\Delta$, reducen los pesos negativos pero no los eliminan por completo.

Metodología: MAcNLOPS
Este artículo presenta una implementación de la prescripción MAcNLOPS (MC@NLO con Pesos Positivos), una modificación mínima del marco MC@NLO diseñada para eliminar los pesos negativos mientras se preserva el papel de la cascada en la generación de la primera emisión.

El mecanismo central implica un proceso de dos pasos aplicado a una muestra estándar de eventos MC@NLO (generada mediante MadGraph5_aMC@NLO e interfazada con Pythia8):

1. Eliminación de Eventos H Negativos: Los eventos "H" (cinemática de emisión real) con pesos negativos (ocurriendo donde $K > R$) se eliminan explícitamente de la muestra. Los eventos "H" con pesos positivos ($R > K$) se conservan.
2. Veto en Eventos S: Para compensar la contribución negativa de H eliminada, se aplica un veto a los eventos "S" (cinemática tipo Born) después de la primera emisión de la cascada.
   • Los eventos S se someten a cascada hasta la primera emisión QCD.
   • Se calcula una probabilidad de veto $P_{veto}$ basada en la relación entre el elemento de matriz real ($R$) y el contra-término de la cascada ($K$).
   • En la región donde $K > R$ (fuente de pesos negativos), los eventos S se aceptan con probabilidad $R/K$.
   • En la región donde $R \ge K$, los eventos S se aceptan siempre.

Este procedimiento asegura que la contribución negativa de H sea cancelada por una reducción correspondiente en la muestra S, resultando en una muestra final sin pesos negativos de H. El método conserva la estructura aditiva de MC@NLO para regiones positivas y el tratamiento multiplicativo para regiones negativas.

Contribuciones Clave y Detalles de Implementación

• Primera Implementación: Este trabajo proporciona la primera implementación de MAcNLOPS para la producción $pp \to ZZ$.
• Selección del Proceso: Se eligió el proceso $ZZ$ porque su estado final a nivel Born es un singlete de color. Esto aísla las complicaciones de la radiación de estado inicial (ISR), evitando la complejidad añadida de la radiación de estado final de partículas coloreadas, mientras permanece más complejo que un simple proceso $2 \to 1$.
• Flujo de Trabajo: La implementación divide la muestra MC@NLO en eventos S y H. Los eventos H negativos se descartan. Los eventos S se pasan a Pythia8 para la primera emisión; se aplica un veto basado en la relación $R/K$; los eventos S aceptados se combinan luego con los eventos H positivos y se devuelven a Pythia8 para el resto de la evolución de la cascada.
• Precisión Teórica: Los autores demuestran que la diferencia entre MAcNLOPS y MC@NLO estándar es proporcional a términos que se anulan a precisión NLO. La discrepancia es de magnitud NNLO para observables seguros bajo radiación, asegurando que la precisión NLO de la sección eficaz inclusiva se preserve.

Resultados
La implementación se validó contra predicciones estándar de MC@NLO para $pp \to ZZ$ a $\sqrt{s} = 13$ TeV utilizando Pythia8 para la cascada.

• Observables Sensibles a la Radiación: Distribuciones sensibles a la primera emisión, como el momento transversal del par ZZ ($p_T^{ZZ}$) y la separación azimutal de los bosones Z ($\Delta\phi_{ZZ}$), muestran acuerdo entre MAcNLOPS y MC@NLO dentro de las incertidumbres estadísticas.
• Observables Inclusivos: Los observables dominados por Born, específicamente la masa invariante ($M_{ZZ}$) y la separación de rapidez ($\Delta y_{ZZ}$), permanecen sin cambios, confirmando que el procedimiento de veto no sesga la cinemática del proceso duro.
• Región de Bajo-$p_T$: En la región de muy bajo $p_T$ (cerca del corte de la cascada), se observa una pequeña diferencia suprimida por potencias. Esto se atribuye al desajuste entre la eliminación de eventos H negativos (que pueden ocurrir por debajo del corte mediante la función $\Theta$) y la aplicación del veto (que solo se aplica a eventos S con emisiones por encima del corte). Este efecto es formalmente despreciable pero conduce a una ligera diferencia en la tasa en los primeros pocos intervalos.

Significado y Afirmaciones
El artículo afirma que MAcNLOPS es una alternativa prometedora al MC@NLO estándar que logra eliminar todos los pesos negativos de H con costo computacional adicional despreciable.

• Preserva la ventaja práctica clave de MC@NLO: la primera emisión sigue siendo generada por la cascada de partones, manteniendo la estructura logarítmica nativa de la cascada y su estrategia de retroceso.
• El método no elimina los pesos negativos de S (que surgen si la sección eficaz Born $eB$ es negativa), pero aísla el problema de los pesos negativos de H, que a menudo es la fuente dominante de ineficiencia.
• Los autores concluyen que, aunque la implementación actual está adaptada a estados finales de singlete de color, ofrece un entorno controlado para estudiar el comportamiento del método, sugiriendo que podría extenderse a procesos más complejos en trabajos futuros.