Boosted top tagging via lepton-in-jet topology for vector-like quark searches in FCC-hh
Este artículo presenta un marco basado en aprendizaje automático para identificar quarks top con alto impulso y decaimiento leptónico en el FCC-hh de 100 TeV, demostrando que tanto los clasificadores basados en variables como los basados en constituyentes logran un rendimiento comparable y permitiendo una búsqueda de quarks de tipo vectorial con un alcance de descubrimiento de hasta 10 TeV.
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
El universo está construido a partir de un pequeño conjunto de partículas fundamentales que interactúan a través de fuerzas, un marco conocido como el Modelo Estándar. Este modelo ha sido increíblemente exitoso, prediciendo el comportamiento de la materia con una precisión extrema y confirmando la existencia del bosón de Higgs. Sin embargo, deja grandes preguntas sin respuesta, tales como la naturaleza de la materia oscura y por qué los neutrinos tienen masa. Para encontrar respuestas, los físicos buscan nuevas partículas más pesadas que no encajen en el modelo actual. Estas partículas hipotéticas, si existen, serían demasiado masivas para ser creadas por el colisionador de partículas más potente de la actualidad. Para verlas, los científicos están planeando una máquina futura llamada el Futuro Colisionador Circular, que chocará protones a energías mucho más allá de lo que es posible actualmente.
Cuando estas nuevas partículas pesadas se crean en tal colisión, se espera que decaigan casi instantáneamente en partículas más ligeras y conocidas. Un candidato prometedor para una nueva partícula pesada es un quark de tipo vectorial, un tipo de materia que se comporta de manera diferente a los quarks que componen nuestro mundo cotidiano. Si tal partícula existiera, podría decaer en un quark top y un bosón W. El quark top es la partícula más pesada conocida y, cuando se produce con una energía inmensa, se mueve tan rápido que sus productos de desintegración se comprimen en una única y estrecha corriente. Esto crea un desafío único: el quark top decae en un quark fondo (bottom), un neutrino y una partícula cargada como un electrón o un muón. Debido a que el quark top se mueve tan rápido, la partícula cargada termina atrapada dentro de la corriente de escombros, lo que dificulta distinguirla del ruido de fondo de la colisión.
Un equipo de investigadores ha desarrollado un nuevo método para identificar estos quarks top de alta velocidad utilizando el aprendizaje automático. Se centraron en un escenario donde un quark pesado de tipo vectorial decae en un quark top y un bosón W, y ambos partículas producen eventualmente partículas cargadas. En este evento, una partícula cargada proviene del bosón W y está aislada, mientras que la otra proviene del quark top y está enterrada dentro de un chorro (jet) de partículas. Los investigadores entrenaron dos tipos diferentes de inteligencia artificial para detectar esta partícula enterrada. Un sistema observó una lista de propiedades calculadas, como la energía y la posición de las partículas, mientras que el otro sistema examinó las partículas individuales, de forma muy similar a como un humano observaría los detalles de una fotografía. Probaron estos sistemas contra varios tipos de ruido de fondo, incluyendo chorros hechos de quarks fondo y otras partículas pesadas que también contienen partículas cargadas.
Los resultados mostraron que ambos enfoques de aprendizaje automático fueron altamente efectivos para encontrar los quarks top enterrados. El sistema que examinó las partículas individuales funcionó ligeramente mejor a energías bajas, mientras que el sistema que utilizó propiedades calculadas funcionó igual de bien a las energías más altas. Esto es significativo porque demuestra que, incluso cuando las partículas están tan comprimidas que son difíciles de separar, el patrón general de energía y movimiento sigue siendo la clave para la identificación. Los investigadores luego utilizaron estas herramientas para simular una búsqueda del quark pesado de tipo vectorial en el futuro colisionador. Encontraron que, con suficientes datos, el colisionador podría descubrir esta nueva partícula si pesa hasta siete billones de electronvoltios, una masa mucho más allá de lo que las máquinas actuales pueden alcanzar. Si la partícula es ligeramente más ancha o menos estable, la búsqueda podría extenderse hasta los diez billones de electronvoltios.
El estudio también abordó una preocupación práctica para futuros experimentos: la presencia de "pile-up" (acumulación de colisiones), donde ocurren muchas colisiones adicionales al mismo tiempo y crean un desorden de partículas extra. Los investigadores probaron si su método seguiría funcionando si ignoraban las partículas más suaves y lentas que el pile-up tiende a producir. Encontraron que el poder de identificación se mantuvo fuerte incluso al enfocarse solo en las trazas más energéticas. Esto sugiere que el método es lo suficientemente robusto como para manejar el entorno caótico de un futuro colisionador de alta energía. Al combinar estas herramientas de etiquetado avanzadas con un análisis más amplio de todo el evento de colisión, el equipo demostró un camino claro para descubrir nueva física. Su trabajo proporciona una estrategia concreta sobre cómo los científicos podrían finalmente ver estas partículas pesadas y elusivas cuando la próxima generación de colisionadores entre en funcionamiento.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.