Transformer Neural Networks in the Measurement of $t\bar{t}H$ Production in the $H\,{\to}\,b\bar{b}$ Decay Channel with ATLAS

En utilisant 140 fb⁻¹ de données de collisions proton-proton à 13 TeV provenant du détecteur ATLAS, cet article présente une mesure de la production de $t\bar{t}H$ dans le canal de désintégration $H\to b\bar{b}$ qui exploite des réseaux de neurones de type transformer pour améliorer significativement la discrimination signal-fond et la reconstruction de l'impulsion transversale du Higgs, résultant en un excès observé de 4,6 écarts-types par rapport à l'hypothèse de fond seul.

L'essentiel

Imaginez le Grand Collisionneur de Hadrons (LHC) comme un immense collisionneur de particules à haute vitesse où des scientifiques font s'entrechoquer des protons pour recréer les conditions de l'univers primitif. Au milieu de ce chaos, les physiciens traquent un événement très spécifique et rare : la naissance d'un « boson de Higgs » (une particule fondamentale qui donne leur masse aux autres particules) en même temps qu'une paire de « quarks top » (les particules les plus lourdes connues).

Ce document décrit une nouvelle façon plus intelligente de trouver cet événement rare en utilisant des données collectées par le détecteur ATLAS entre est 2015 et 2018. Voici la décomposition de ce qu'ils ont fait et de ce qu'ils ont trouvé, en utilisant des analogies de la vie quotidienne.

Le défi : Trouver une aiguille dans une botte de foin

L'événement spécifique qu'ils recherchent est la désintégration d'un boson de Higgs en deux « quarks bottom ». Le problème est que l'univers produit une quantité massive de « bruit de fond » — spécifiquement des paires de quarks top produites avec des jets de particules aléatoires — qui ressemble presque exactement au signal recherché.

C'est comme essayer d'entendre une chanson spécifique jouée dans un stade bondé et bruyant. La chanson est le signal (le Higgs + les quarks top), et les acclamations de la foule sont le bruit de fond (les quarks top + les jets aléatoires). Dans les tentatives précédentes, la « foule » était si bruyante qu'il était difficile de savoir si la chanson jouait réellement.

Le nouvel outil : Les réseaux de neurones « Transformer »

La plus grande innovation de ce document est l'utilisation de réseaux de neurones « Transformer ». Vous connaissez peut-être les Transformers via les outils d'IA qui rédigent des essais ou traduisent des langues. Dans ce contexte, les scientifiques les ont utilisés comme une machine de tri ultra-intelligente.

• Pourquoi les Transformers ? Dans une collision de particules, il n'y a pas d'ordre fixe pour les particules qui s'en échappent. Un Transformer est spécial car il ne se soucie pas de l'ordre ; il regarde l'image globale d'un coup. C'est comme un détective qui peut regarder une scène de crime désordonnée avec 50 indices éparpillés et comprendre instantanément l'histoire, alors qu'une méthode plus ancienne aurait pu essayer d'examiner les indices un par un dans un ordre spécifique.
• Le travail de tri : L'IA a été entraînée à examiner chaque collision et à décider : « Est-ce la chanson rare du Higgs, ou est-ce juste la foule bruyante ? » Elle trie les événements en différentes catégories (comme « Signal », « Type de foule A », « Type de foule B ») avec une précision incroyable.

La stratégie : Élargir le filet

Comme l'IA est très douée pour faire la différence entre le signal et le bruit, les scientifiques ont pu changer leur stratégie.

• L'ancienne méthode : Par le passé, ils devaient établir un filtre de « pré-sélection » très strict (comme un videur à l'entrée d'un club) pour garder le bruit à l'extérieur. Cela signifiait qu'ils ne regardaient que les événements les plus propres et les plus évidents, mais ils manquaient beaucoup de signaux réels car le filtre était trop serré.
• La nouvelle méthode : Avec l'IA agissant comme un videur super intelligent, ils ont pu laisser passer plus de monde dans le club (élargir la pré-sélection). Ils ont laissé entrer trois fois plus d'événements qu'auparavant. L'IA a ensuite fait le gros du travail, triant les bons événements des mauvais plus tard dans le processus. Cela a triplé leur capacité à capturer le signal.

Ils ont également construit un réseau de « reconstruction ». Imaginez essayer de deviner la vitesse d'une voiture en regardant simplement les traces de pneus qu'elle a laissées derrière elle. L'IA examine les débris de la collision et calcule la vitesse exacte (impulsion transverse) du boson de Higgs, ce qui leur permet d'étudier son comportement à différentes vitesses.

Les résultats : Un signal clair

Après avoir injecté 140 unités de données de collision (une quantité massive d'informations) dans ce nouveau système, les résultats sont clairs :

1. Ils ont trouvé le signal : Ils ont observé un excès d'événements correspondant à la prédiction du boson de Higgs.
2. Confiance statistique : La probabilité qu'il s'agisse d'un simple coup de chance dû au bruit de fond est incroyablement faible. Le résultat présente une signification de 4,6 écarts-types.
   • Analogie : Si vous lanciez une pièce de monnaie et obteniez face 4,6 fois de suite plus souvent que ne le permettrait le hasard, vous seriez assez certain que la pièce est truquée. Ici, la « pièce » est la donnée, et cela suggère fortement que le boson de Higgs est bien présent.
3. Comparaison avec la théorie : Le nombre de bosons de Higgs trouvés correspond à ce que prédit le Modèle Standard de la physique (à l'intérieur de la marge d'erreur). C'est comme si l'IA avait prédit la météo, et que la météo réelle correspondait parfaitement aux prévisions.

L'essentiel

Ce document présente une réanalyse de données anciennes en utilisant une nouvelle technique d'IA puissante. En utilisant des réseaux de neurones « Transformer » pour trier le chaos des collisions de particules, l'équipe ATLAS a pu tripler sa sensibilité, réduire le bruit et confirmer l'existence des bosons de Higgs produits aux côtés de paires de quarks top avec une grande confiance. Il s'agit actuellement de la mesure la plus précise de ce processus spécifique jamais réalisée.

Résumé technique

Résumé technique : Réseaux de neurones Transformers dans la mesure de la production de $t\bar{t}H$

Problématique et contexte
La mesure directe du couplage de Yukawa entre le quark top et le boson de Higgs est cruciale pour comprendre la brisure de la symétrie électrofaible et la stabilité du potentiel du vide de Higgs. Bien que des mesures indirectes existent via des boucles quantiques, l'observation directe nécessite la production associée d'un boson de Higgs avec une paire de quarks top ($t\bar{t}H$). La collaboration ATLAS a précédemment publié une mesure de ce processus dans le canal de désintégration $H \to b\bar{b}$ en utilisant l'ensemble des données du Run 2 (140 fb$^{-1}$ à $\sqrt{s}=13$ TeV). Cependant, ce canal est confronté à un défi majeur : un important bruit de fond irréductible provenant de la production de paires de quarks top associées à des jets supplémentaires ($t\bar{t} + \text{jets}$), particulièrement ceux contenant des jets à saveur lourde. Les analyses précédentes ont peiné en termes d'acceptation du signal et de modélisation du bruit de fond, nécessitant une réanalyse avec des stratégies améliorées pour atteindre une plus grande précision.

Méthodologie
Ce document présente une réanalyse du processus $t\bar{t}H(b\bar{b})$ utilisant une stratégie d'analyse multivariée (MVA) sophistiquée pilotée par des réseaux de neurones de type transformer. Les innovations méthodologiques centrales incluent :

• Architecture Transformer : L'analyse emploie des réseaux de neurones transformers, initialement développés pour le traitement du langage naturel, pour la classification des événements et la reconstruction du boson de Higgs. Ces réseaux sont choisis pour leur invariance à la permutation des objets d'entrée et leur capacité à gérer une cardinalité variable, ce qui est essentiel pour les événements de collision de particules où le nombre de particules finales varie et où aucun ordre fixe n'existe.
• Variables d'entrée : Les réseaux utilisent des informations de bas niveau sur les quatre-vecteurs et le marquage $b$ ($b$-tagging) de tous les jets, leptons et l'énergie transverse manquante.
• Classification des événements et définition des régions : Contrairement aux analyses précédentes qui reposaient sur des coupures cinématiques strictes, cette stratégie utilise les sorties des réseaux de neurones pour définir des régions. Le bruit de fond ($t\bar{t} + \text{jets}$) est divisé en cinq catégories basées sur la saveur des jets ne provenant pas des désintégrations du top : $t\bar{t} + \text{léger}$, $t\bar{t} + \geq 1c$, $t\bar{t} + \geq 2b$, $t\bar{t} + 1B$ (jets avec des hadrons $b$ collimés) et $t\bar{t} + 1b$.
  • Discriminants : Les probabilités de classification multi-classes sont converties en six discriminants de classe pour séparer le signal $t\bar{t}H$ des cinq catégories de bruit de fond. Les événements sont assignés à des régions de signal (SR) ou de contrôle (CR) en fonction de ces discriminants.
  • Assouplissement de la présélection : La robustesse de la classification permet un assouplissement des présélections cinématiques, augmentant l'acceptation du signal d'un facteur trois par rapport à la première analyse complète du Run 2. Les sélections ciblent les canaux à lepton unique ($\geq 5$ jets) et dilepton ($\geq 3$ jets) avec $\geq 3$ marquages $b$, ainsi qu'un canal dédié « boosté » pour les bosons Higgs à haute $p_T$ où les deux quarks $b$ sont contenus dans un seul jet.
• Reconstruction du Higgs : Un réseau de reconstruction distinct utilise une couche de couplage (similaire à SPANet) pour identifier les deux jets provenant de la désintégration du Higgs. Cela permet la reconstruction de l'impulsion transverse du Higgs ($p_T^H$), qui est utilisée comme variable de fit dans le canal boosté et pour les mesures différentielles.
• Analyse statistique : Un ajustement de type profil de vraisemblance binné simultané est effectué sur toutes les régions. Le fit extrait la section efficace inclusive de $t\bar{t}H$ ainsi qu'une section efficace différentielle dans six bacs STXS (Simplified Template Cross-Section) définis par la valeur réelle de $p_T^H$.

Contributions clés
La contribution principale de ce travail est la mise en œuvre réussie de réseaux de neurones transformers pour contraindre simultanément le bruit de fond dominant $t\bar{t} + \text{jets}$ (divisé en cinq catégories disjointes) et mesurer le signal $t\bar{t}H$. Cette approche supplante les mesures antérieures d'ATLAS en :

1. Mettant en œuvre une stratégie d'analyse remaniée qui repose sur des discriminants multivariés pour la définition des régions plutôt que sur des coupures cinématiques fixes.
2. Obtenant une augmentation d'un facteur trois de l'acceptation du signal grâce à l'assouplissement des présélections.
3. Fournissant une mesure différentielle de la section efficace dans les bacs $p_T^H$, en utilisant la $p_T^H$ reconstruite par le réseau de neurones.

Résultats
L'analyse produit un excès d'événements observé de 4,6 écarts-types par rapport à l'hypothèse de bruit de fond uniquement, contre une signification attendue de 5,4 écarts-types.

• Section efficace inclusive : La section efficace inclusive mesurée est $\sigma_{t\bar{t}H}^{\text{obs}} = 411^{+101}_{-92} \text{ fb}$ (incertitudes statistiques et systématiques combinées). Elle est compatible avec la prédiction du Modèle Standard (SM) de $\sigma_{t\bar{t}H}^{\text{SM}} = 507^{+35}_{-50} \text{ fb}$ à $m_H = 125,09$ GeV.
• Section efficace différentielle : Les résultats de la section efficace différentielle à travers les six bacs STXS montrent une compatibilité avec la prédiction du SM, avec une valeur $p$ de 89 %. Les coefficients de corrélation entre les bacs ne dépassent pas 30 %.
• Incertitudes : Contrairement aux analyses précédentes où la modélisation du bruit de fond $t\bar{t} + \geq 1b$ était dominante, les principales sources d'incertitude systématique dans cette mesure sont la modélisation du signal $t\bar{t}H$ lui-même.

Signification
Le document affirme que cette mesure représente la mesure de section efficace de $t\bar{t}H$ sur un seul canal la plus précise à ce jour. En exploitant les réseaux de neurones transformers, l'analyse démontre que les techniques avancées d'apprentissage automatique peuvent considérablement améliorer la discrimination entre les processus complexes de signal et de bruit de fond. Ce travail valide l'utilisation de tels réseaux pour la contrainte simultanée du bruit de fond et l'extraction du signal, établissant un nouveau standard pour les mesures de précision dans le canal $H \to b\bar{b}$.