Search for resonant production of lepton-enriched semivisible jets in proton-proton collisions at $\sqrt{s}$ = 13 TeV

Resumen Técnico: Búsqueda de la Producción Resonante de Jets Semivisibles Enriquecidos en Leptones

Problema y Motivación
Si bien las búsquedas de materia oscura (DM) en colisionadores se han centrado predominantemente en WIMPs (partículas masivas que interactúan débilmente) que producen firmas de "mono-X" (gran momento transversal faltante, $p^{\text{miss}}_T$, que retrocede contra partículas visibles del Modelo Estándar), estos enfoques suelen carecer de sensibilidad hacia escenarios de Valles Ocultos (Hidden Valley, HV). En los modelos de HV, un sector oscuro (DS) con dinámica tipo QCD produce hadrones oscuros. Si una fracción de estos hadrones es estable, escapan de la detección, mientras que los inestables decaen a partículas del Modelo Estándar (SM). Esto puede resultar en "jets semivisibles" (SVJs), donde el $p^{\text{miss}}_T$ está alineado con un jet.

Búsquedas previas de ATLAS y CMS se han dirigido a firmas de SVJ totalmente hadrónicas. Sin embargo, estudios teóricos recientes sugieren que las búsquedas existentes son insensibles a escenarios donde los SVJs están enriquecidos con contenido leptónico. Este artículo aborda este vacío presentando la primera búsqueda de la producción resonante de SVJs enriquecidos en contenido leptónico, apuntando específicamente a dos escenarios distintos: jets enriquecidos en todos los sabores de leptones ($\text{SVJ}_\ell$) y jets predominantemente enriquecidos en leptones tau ($\text{SVJ}_\tau$).

Metodología
El análisis utiliza 1 de 138 fb$^{-1}$ de datos de colisiones protón-protón a $\sqrt{s} = 13$ TeV recolectados por el detector CMS durante 2016–2018. El modelo de señal asume un mediador $Z'$ pesado que decae en quarks oscuros ($\chi$), los cuales se hadronizan mediante una fuerza de QCD oscura en hadrones oscuros estables e inestables. Los hadrones inestables decaen instantáneamente a quarks y leptones del SM.

• Escenarios de Señal:

  • $\text{SVJ}_\ell$: Mediado por un $Z'$ y un fotón oscuro $A'$. Los mesones vectoriales oscuros ($\rho_{\text{dark}}$) decaen de forma democrática a todos los sabores de leptones del SM y quarks.
  • $\text{SVJ}_\tau$: Mediado por un $Z'$ acoplado a leptones tau. Los piones oscuros ($\pi_{\text{dark}}$) decaen a los quarks de tipo up más pesados cinemáticamente accesibles y leptones tau. Los electrones y muones resultantes (provenientes de los decaimientos de $\tau$) son más suaves y están acompañados de neutrinos en comparación con el caso $\text{SVJ}_\ell$.

• Selección de Eventos y Categorización:
  Los eventos se seleccionan basándose en una alta masa transversal ($m_T$) del sistema de dijets y la alineación entre el $p^{\text{miss}}_T$ y los jets principales. Una innovación clave es la categorización basada en el aislamiento de leptones dentro de los jets utilizando una variable de "mini-aislamiento" ($I_{\text{mini}}$).

  • $\text{SVJ}_\ell$: Analizado principalmente en una categoría de "multileptones" donde los leptones pasan los cortes de aislamiento.
  • $\text{SVJ}_\tau$: Analizado tanto en la categoría de "0-leptones" (sin leptones aislados) como en la de "multileptones", ya que el espectro de leptones más suave y el mayor contenido de neutrinos conducen a diferentes eficiencias de aislamiento.

• Estrategia de Aprendizaje Automático (Machine Learning):
  Se emplea un enfoque dual de aprendizaje automático para mejorar la sensibilidad de la señal y la estimación del fondo:

  1. Etiquetado de Jets (LUNDNET): Una extensión del algoritmo LUNDNET, que utiliza una Red Neuronal de Grafos (GNN) que opera sobre una representación de "árbol de Lund" de los constituyentes del jet. Esta arquitectura captura los patrones de radiación distintivos de los SVJs (derivados del doble choque de partones en los sectores oscuro y SM) en comparación con los jets del SM. La red se entrena por separado para las señales $\text{SVJ}_\ell$ y $\text{SVJ}_\tau$ en sus respectivas categorías de leptones.
  2. Estimación de Fondo (MD-ABCDISCOTEC): Se utiliza una Red Neuronal Profunda (DNN) totalmente conectada para estimar los fondos en la región de señal (SR) utilizando un método ABCD. Para asegurar la validez del método ABCD, se entrenan dos variables discriminantes ($D_1, D_2$) para que sean estadísticamente independientes entre sí y de la variable de búsqueda ($m_T$). Esto se logra mediante una técnica de "ABCDISCOTEC descorrelacionado de la masa" (MD-ABCDISCOTEC), que minimiza las pérdidas de correlación de distancia (DisCo) y fuerza una relación de clausura.

Contribuciones Clave

• Primeras Restricciones Experimentales: Este trabajo proporciona los primeros límites experimentales sobre jets semivisibles enriquecidos en leptones, una clase de firmas previamente inexplorada por experimentos de colisionadores.
• Integración de ML Novedosa: El artículo introduce la primera aplicación de una GNN LUNDNET extendida para distinguir SVJs enriquecidos en leptones de los fondos del SM.
• Estimación de Fondo Avanzada: Demuestra el uso del método MD-ABCDISCOTEC para búsquedas resonantes, descorrelacionando con éxito los discriminantes de la variable de masa de búsqueda ($m_T$) para permitir una estimación robusta del fondo en bins de $m_T$.
• Análisis de Escenario Dual: El análisis maneja de forma única dos topologías de señal distintas ($\text{SVJ}_\ell$ y $\text{SVJ}_\tau$) con estrategias de selección adaptadas (aislamiento de leptones vs. 0-leptones) y configuraciones de entrenamiento de ML específicas.

Resultados
No se observó un exceso significativo de eventos sobre la predicción del Modelo Estándar en los datos. Los resultados se interpretan como límites superiores al 95% de nivel de confianza (CL) sobre la sección eficaz de producción multiplicada por la fracción de ramificación ($\sigma_{Z'} \mathcal{B}_{\text{dark}}$).

• Escenario $\text{SVJ}_\ell$: Las masas del mediador ($m_{Z'}$) quedan excluidas en el rango de 1.5 a 4.7 TeV para valores de referencia de fracción invisible ($r_{\text{inv}}$) de 0.3 y masas de hadrones oscuros ($m_{\text{dark}}$) de 16 GeV. El rango de exclusión es más sensible para valores moderados de $r_{\text{inv}}$, donde la eficiencia de selección y el rechazo de fondo son óptimos.
• Escenario $\text{SVJ}_\tau$: Las masas del mediador quedan excluidas en el rango de 1.8 a 3.5 TeV para $r_{\text{inv}} = 0.3$, $B_\tau = 0.3$, y $m_{\text{dark}} = 8$ GeV. La categoría de 0-leptones contribuye significativamente a excluir señales de alta masa ($>3$ TeV), mientras que la categoría de multileptones mejora la sensibilidad a masas más bajas al suprimir el fondo QCD.
• Fluctuación Local: Se observó una pequeña discrepancia entre los límites observados y esperados en $m_{Z'} = 3$ TeV y $r_{\text{inv}} = 0.7$ para la búsqueda $\text{SVJ}_\tau$, con una significancia local de 2.4$\sigma$. Sin embargo, tras contabilizar el efecto de mirar en todas partes (look-elsewhere effect), la significancia global se reduce a 1.6$\sigma$, consistente con una fluctuación estadística.

Significancia
El artículo afirma complementar las búsquedas existentes de resonancias de dijets, materia oscura con radiación de estado inicial y jets semivisibles totalmente hadrónicos al explorar un nuevo espacio de parámetros caracterizado por el enriquecimiento leptónico. Al establecer las primeras restricciones sobre estos escenarios específicos de Valles Ocultos, el análisis demuestra la capacidad de las técnicas modernas de aprendizaje automático (GNNs para la subestructura de jets y DNNs descorrelacionados para la estimación de fondo) para sondear firmas complejas de sectores oscuros que anteriormente eran inaccesibles para las estrategias estándar de disparo (trigger) y selección. Los resultados restringen modelos donde el sector oscuro se comunica con el SM a través de portales que producen preferentemente leptones, estrechando así el espacio de parámetros viable para modelos de materia oscura fuertemente acoplados.