⚛️ phenomenology

Impact of neutral fluxes and signal significance optimization on semi-exclusive $pp \to t\bar{t}$ production via deep learning training

Este artículo demuestra que las técnicas de aprendizaje profundo combinadas con modelos de flujo actualizados pueden discriminar eficazmente la producción de $t\bar{t}$ semi-exclusiva del fondo, prediciendo una significación de descubrimiento de $5\sigma$ tanto para procesos inducidos por fotones como por pomerones en el LHC con luminosidades integradas modestas.

Autores originales: A. Cota Rodríguez, Jesús Alberto V. Corral, J. A. Murillo Quijada

Publicado 2026-09-24

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: A. Cota Rodríguez, Jesús Alberto V. Corral, J. A. Murillo Quijada

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

En el mundo subatómico, las partículas rara vez viajan solas. Cuando los protones chocan entre sí casi a la velocidad de la luz, se fragmentan en una lluvia caótica de nuevas partículas, un proceso gobernado por la fuerza nuclear fuerte. Sin embargo, la naturaleza también permite una interacción más silenciosa y elusiva. A veces, los protones pueden intercambiar mensajeros invisibles sin desintegrarse por completo. Uno de estos mensajeros es el fotón, una partícula de luz que transporta la fuerza electromagnética. El otro es el pomerón, un objeto teórico que transporta la fuerza fuerte pero que se comporta como una entidad fantasmagórica y neutra que deja a los protones prácticamente intactos. Estos eventos raros, donde los protones sobreviven a la colisión pero intercambian energía para crear partículas pesadas nuevas, se denominan semiexclusivos. Los físicos están ansiosos por encontrarlos porque ofrecen una ventana prístina a la estructura fundamental de la materia, libre del desorden de escombros que usualmente oscurece tales interacciones. Sin embargo, detectar estas señales tenues entre el ruido abrumador de las colisiones estándar ha seguido siendo uno de los desafíos más difíciles en la física de altas energías.

Un equipo de investigadores ha dado ahora un paso significativo hacia la resolución de este rompecabezas mediante la simulación de cómo se verían estos eventos raros dentro del Gran Colisionador de Hadrones, la enorme máquina en el CERN que hace chocar protones. Utilizando potentes modelos informáticos, recrearon las condiciones de estas colisiones para ver si podían distinguir los eventos semiexclusivos y silenciosos del fondo ruidoso y caótico de la producción ordinaria de partículas. Su trabajo se centró en la creación de quarks cima, las partículas elementales más pesadas conocidas, que son notoriamente difíciles de producir de estas formas suaves y semiexclusivas. El equipo empleó una forma sofisticada de inteligencia artificial, conocida como red neuronal profunda, para actuar como un filtro. Este cerebro digital fue entrenado para reconocer las huellas sutiles de los eventos raros, aprendiendo a ignorar el ruido abrumador de las colisiones estándar al enfocarse en patrones específicos en los datos del detector.

Los investigadores descubrieron que la clave para encontrar estos eventos reside en lo que falta más que en lo que está presente. En una colisión estándar, los escombros se dispersan uniformemente en todas las direcciones. En los eventos semiexclusivos raros, sin embargo, aparece una gran región vacía en un lado del detector, un hueco donde no se encuentran partículas. Esto sucede porque los protones intercambian energía sin fragmentarse, dejando un camino limpio para que los escombros viajen en la dirección opuesta. El equipo encontró que la forma más efectiva de detectar este hueco era midiendo la cantidad más baja de energía detectada en la sección frontal de la máquina, el área más cercana a la línea del haz. Si esta energía mínima es muy baja, sugiere fuertemente que ha ocurrido un evento semiexclusivo raro. Al utilizar esta medición específica como pista principal, su modelo de inteligencia artificial logró un nivel excepcional de precisión, identificando correctamente los eventos inducidos por fotones con una puntuación de rendimiento de casi 0.99 en una escala donde 1.0 es perfecto.

El estudio también reveló cómo estos eventos cambian a medida que aumenta la energía de las colisiones. Cuando los investigadores simularon las condiciones del Gran Colisionador de Hadrones actual y las compararon con las energías mucho más altas esperadas en una máquina futura llamada Futuro Colisionador Circular, observaron un aumento drástico en el número de estos eventos. La tasa de producción de eventos impulsados por el pomerón aumentó por un factor de aproximadamente cincuenta, mientras que aquellos impulsados por fotones aumentaron por un factor de aproximadamente veintidós. Esto sugiere que, a medida que construyamos máquinas más potentes, estas interacciones raras serán mucho más comunes, lo que las hará más fáciles de estudiar. Sin embargo, el equipo también destacó una fuente significativa de incertidumbre. Mientras que los eventos basados en fotones están relativamente bien comprendidos, el pomerón es un objeto teórico más complejo, y diferentes formas de modelarlo condujeron a variaciones en el número predicho de eventos. Esta incertidumbre es mucho mayor para el pomerón que para el fotón, lo que refleja el hecho de que nuestra comprensión de la estructura interna del pomerón es aún incompleta.

A pesar de estas incertidumbres, los resultados son prometedores para futuros experimentos. El equipo calculó que, con una cantidad relativamente pequeña de datos, equivalente a solo un año de funcionamiento en la máquina actual, debería ser posible confirmar la existencia de los eventos impulsados por el pomerón con una alta certeza estadística. Para los eventos impulsados por fotones, se necesitaría un conjunto de datos ligeramente mayor para alcanzar el mismo nivel de confianza. El estudio concluye que estos pares de quarks cima están al alcance de los experimentos actuales y de los próximos, siempre que los científicos puedan utilizar eficazmente los detectores frontales para medir esos huecos vacíos y las señales de baja energía. Este trabajo sienta una base crucial para la próxima generación de búsquedas, ofreciendo un camino claro para observar estas interacciones elusivas y profundizar nuestra comprensión de las fuerzas que mantienen unido al universo.

Resumen Técnico: Impacto de los Flujos Neutros y la Optimización de la Significancia de la Señal en la Producción Semi-Exclusiva de $pp \to t\bar{t}$ mediante el Entrenamiento de Aprendizaje Profundo

Planteamiento del Problema
El artículo aborda el desafío de identificar la producción de top-antitop ( $t\bar{t}$ ) semi-exclusiva en colisiones protón-protón ($pp$) en el Gran Colisionador de Hadrones (LHC) y el Futuro Colisionador Circular (FCC). A diferencia de la producción inclusiva estándar, los eventos semi-exclusivos involucran el intercambio de objetos neutros de color singlete —específicamente fotones ( $\gamma$ ) o pomerones ( $P$ )— donde un protón permanece intacto ( $p'$ ) y el otro se disocia, resultando en un estado final de $p' t\bar{t} X$ . Estos procesos son teóricamente significativos como sondas de la Cromodinámica Cuántica (QCD) y la Electrodinámica Cuántica (QED) en regímenes no perturbativos y para estudiar la estructura partónica interna del pomeron. Sin embargo, se predice que estas señales tienen secciones eficaces órdenes de magnitud menores que el fondo dominante de $t\bar{t}X$ no periférico (mediado por intercambio de color). Además, las predicciones teóricas para estos procesos sufren de incertidumbres significativas debido al modelado fenomenológico de los flujos de pomerones y las funciones de distribución de partones (DPDFs), así como de las parametrizaciones del flujo de fotones. El problema principal es determinar cómo impactan estas incertidumbres de modelado en los observables físicos y si una observación estadísticamente significativa es factible utilizando observables de física de vanguardia (forward physics) y técnicas de aprendizaje automático sin depender únicamente del etiquetado de protones de vanguardia (forward proton tagging).

Metodología
Los autores emplearon un marco de simulación y análisis de múltiples etapas:

Simulación de Monte Carlo:
- Generadores: Los eventos fueron generados usando MadGraph5_aMC@NLO (para procesos inducidos por fotones a NLO) y PYTHIA8 (para el choque y hadronización, y procesos inducidos por pomerones).
- Modelos de Flujo y Estructura:
  - Inducidos por pomerones: Se utilizó el formalismo de Ingelman-Schlein, implementando diversas parametrizaciones de flujo basadas en datos (por ejemplo, Schuler-Sjöstrand) y conjuntos de DPDF (H1 2006 Fit A/B, LO/NLO). Se probaron cinco esquemas distintos de pomerones para cuantificar las incertidumbres sistemáticas.
  - Inducidos por fotones: Se aplicó la Aproximación de Fotón Equivalente (EPA) utilizando los modelos de Weizsäcker-Williams, Budnev y Drees-Zeppenfeld.
- Regímenes de Energía: Las simulaciones cubrieron $\sqrt{s} = 13$ TeV (LHC) y se proyectaron hasta 100 TeV (FCC).
Simulación de Detector y Reconstrucción:
- Los eventos fueron procesados a través de Delphes 3 utilizando la configuración del detector CMS.
- Criterios de Selección: Se seleccionó un canal de desintegración de $t\bar{t}$ semileptónico ( $N_{jets} \geq 2$ , $N_{b-jets} \geq 1$ , $N_{lepton} = 1$ , $E_T^{miss} > 20$ GeV).
- Observables: Los discriminadores clave incluyeron la multiplicidad de partículas cargadas ( $N_{ch}$ ), brechas de rapidez de vanguardia (FRG) y depósitos de energía calorimétrica de vanguardia (específicamente la región de Hadronic Forward (HF), $3.0 \leq |\eta| \leq 5.0$ ).
Clasificación por Aprendizaje Automático:
- Se entrenó una red neuronal de alimentación hacia adelante (TensorFlow/Keras) para distinguir entre eventos inducidos por fotones, eventos inducidos por pomerones y eventos de fondo no periféricos.
- Características de Entrada: Se utilizaron nueve observables, incluyendo multiplicidad de jets, $N_{ch}$ , FRG y varias sumas de energía de HF (por ejemplo, la energía mínima de la torre de HF).
- Rendimiento: La red fue evaluada utilizando el Área Bajo la Curva (AUC), precisión y estadísticas de Kolmogorov-Smirnov (KS).
Inferencia Estadística:
- Se realizó un ajuste de verosimilitud de perfil (profile-likelihood fit) utilizando el marco Combine sobre conjuntos de datos Asimov.
- Se extrajeron las intensidades de señal ( $\mu$ ) para ambos modos de producción.
- Las incertidumbres sistemáticas derivadas de la elección de los modelos de flujo/estructura se propagaron como sistemáticas "dependientes del esquema".

Contribuciones Clave y Resultados

Escalamiento de la Sección Eficaz: El estudio predice un aumento sustancial en las secciones eficaces semi-exclusivas al pasar de las energías del LHC a las del FCC. La sección eficaz inducida por pomerones aumenta por un factor de $\sim 50$ , y la inducida por fotones por $\sim 22$ , al pasar de 13 TeV a 100 TeV. La relación de tasas de pomerón-a-fotón aumenta de 8.6 a 13 TeV a casi 20 a 100 TeV, impulsada por el rápido crecimiento de las densidades de gluones en el pomerón.
Dependencia del Modelo e Incertidumbres:
- La sección eficaz total para la producción inducida por pomerones exhibe una variación sistemática de hasta el 62.5% dependiendo del esquema de flujo y DPDF elegido (dominada por el esquema H1-AB-LO).
- La producción inducida por fotones muestra una variación sistemática mucho menor del 9.2% a través de diferentes modelos de flujo.
- Estas variaciones se traducen directamente a la incertidumbre de la intensidad de la señal, con el canal del pomerón aportando un 25.1% y el canal del fotón un 7.6% a la incertidumbre total.
Observables Cinemáticos:
- Brechas de Rapidez: Los eventos semi-exclusivos exhiben brechas de rapidez de vanguardia significativamente mayores en comparación con los fondos no periféricos. Para los eventos inducidos por fotones, el 41.07% de los eventos tienen un tamaño de brecha $\geq 1.0$ , comparado con el 0.07% del fondo.
- Multiplicidad: Los eventos semi-exclusivos tienen multiplicidades de partículas cargadas ( $N_{ch}$ ) más bajas. El 47.6% de los eventos inducidos por fotones y el 28.8% de los inducidos por pomerones tienen $N_{ch} < 50$ , frente a solo el 6.7% del fondo.
- Mejor Discriminador: A nivel de detector, se identificó la energía mínima de la torre de Hadronic Forward (HF) como la variable individual más efectiva para la discriminación, logrando los puntajes de prueba KS más altos contra el fondo.
Desempeño de Aprendizaje Profundo:
- La red neuronal alcanzó un AUC de 0.9917 ± 0.0002 para distinguir las señales inducidas por fotones de los fondos no periféricos.
- La separación entre las señales de fotón y pomerón también fue fuerte (AUC $\approx$ 0.945), mientras que la separación entre pomerón y fondo fue ligeramente inferior (AUC $\approx$ 0.879) debido a la topología semi-exclusiva compartida.
Proyecciones de Significancia:
- Asumiendo condiciones de bajo pile-up y utilizando conjuntos de datos Asimov:
  - Inducido por Pomerón: Se espera una significancia de $5\sigma$ con una luminosidad integrada de 1 fb $^{-1}$ .
  - Inducido por Fotón: Se espera una significancia de $5\sigma$ con 4.7 fb $^{-1}$ .
- A 4.7 fb $^{-1}$ , los intervalos de nivel de confianza del 95% esperados para las intensidades de la señal son $\mu_\gamma \in [0.716, 1.287]$ y $\mu_P \in [0.883, 1.118]$ .

Significancia y Reivindicaciones

El artículo afirma que la observación de la producción de $t\bar{t}$ semi-exclusiva es factible utilizando los datos existentes de los Runs 2 y 3 del LHC, siempre que se utilicen observables de física de vanguardia y técnicas de aprendizaje profundo. Una contribución primaria es la demostración de que el etiquetado de protones no es estrictamente necesario para lograr una separación a nivel de descubrimiento; en su lugar, la calorimetría de vanguardia (específicamente la energía de HF y las brechas de rapidez) combinada con el análisis multivariante puede suprimir eficazmente el fondo no periférico.

Los autores destacan que, si bien el canal inducido por pomerones ofrece un mayor rendimiento de eventos, está sujeto a incertidumbres teóricas significativamente mayores (modelado de flujo y función de estructura) en comparación con el canal inducido por fotones. El estudio establece un marco fenomenológico para estimar la luminosidad requerida para una observación de $5\sigma$ tanto en el LHC como en el FCC, sirviendo como guía para futuras búsquedas experimentales dentro del programa de física de vanguardia del LHC. El trabajo subraya el potencial de la producción de top semi-exclusiva como un laboratorio para estudiar los mecanismos de intercambio de color singlete y la interacción entre la dinámica de QCD y QED.

Más como este