Search for squarks and gluinos in $pp$ collisions at $\sqrt{s} = 13$ TeV and $13.6$ TeV in events with $τ$-leptons, jets and missing transverse momentum using the ATLAS detector

En utilisant le détecteur ATLAS, cet article présente une recherche de la supersymétrie respectant la parité R dans les collisions proton-proton à 13 et 13,6 TeV impliquant des taus, des jets et de l'impulsion transverse manquante, ce qui exclut les masses de gluinos inférieures à 2,25 TeV et les masses de squarks allant jusqu'à 1,7 TeV sur la base de 140 fb⁻¹ et 51,8 fb⁻¹ de données.

L'essentiel

La vue d'ensemble : À la recherche de particules « fantômes »

Imaginez que l'univers est une course automobile géante à grande vitesse. Le Grand Collisionneur de Hadrons (LHC) est la piste, et le détecteur ATLAS est un système de caméras ultra-rapide et massif qui enregistre chaque accident.

Les physiciens connaissent très bien les règles de la course ; ce livre de règles s'appelle le Modèle Standard. Il explique comment les particules comme les électrons et les quarks se comportent. Mais le livre de règles comporte des lacunes. Il n'explique pas pourquoi la gravité est si faible par rapport aux autres forces, ni ce qu'est réellement la Matière Noire (la substance invisible qui maintient les galaxies ensemble).

Pour combler ces lacunes, les scientifiques ont une théorie appelée la Supersymétrie (SUSY). C'est comme une théorie du « monde des ombres ». Elle suggère que pour chaque particule connue (comme un quark), il existe un « super-partenaire » plus lourd et invisible (comme un squark ou un gluino). Si ces super-partenaires existent, ils seraient les candidats parfaits pour la Matière Noire.

La mission : Capturer les ombres

Le problème est que nous n'avons jamais vu ces super-partenaires. S'ils existent, ils sont probablement très lourds et se désintègrent (se brisent) instantanément en d'autres particules.

Ce document décrit la recherche d'une « signature » spécifique de ces super-partenaires. Les scientifiques recherchent un crash qui produit :

1. Des Jets : Des jets de particules ordinaires (comme des débris de collision).
2. Des Leptons Tau : Un type spécifique de particule lourde (considérez cela comme un « électron lourd »).
3. Une Absence de Moment Transverse (Missing Transverse Momentum) : C'est l'indice le plus important. Dans une collision normale, les débris volent dans toutes les directions, s'équilibrant parfaitement. Si la caméra voit des débris voler d'un côté mais rien ne vole de l'autre, cela signifie que quelque chose d'invisible s'est envolé hors de la piste. Dans cette théorie, ce « quelque chose d'invisible » est la Particule Supersymétrique la Plus Légère (LSP), qui est notre candidate pour la Matière Noire.

La stratégie : Deux styles de détectives différents

L'équipe n'a pas seulement analysé les données d'une seule manière. Ils ont utilisé deux styles de détectives différents pour s'assurer de ne rien manquer.

1. L'approche « Cut-and-Count » (Le filtre rigide)
Imaginez que vous cherchez un type de poisson spécifique dans un étang. Vous installez un filet avec des trous très précis : « Ne capturez que les poissons de plus de 5 pouces, ayant des nageoires rouges et nageant vers la gauche. »

• Comment ça marche : Les scientifiques fixent des règles strictes (coupes) sur les données. Par exemple, « Nous ne regardons que les collisions où l'énergie manquante est énorme » ou « Nous ne regardons que les collisions où la particule tau se déplace très lentement. »
• Pourquoi : C'est idéal pour trouver des modèles spécifiques et prévisibles. Ils ont créé différents « filets » pour différents scénarios : un pour les modèles « compressés » (où les super-particules ont des masses proches) et un pour les modèles à « haute masse ».

2. L'approche par Apprentissage Automatique (L'IA intelligente)
Imaginez qu'au lieu de fixer des règles strictes, vous engagiez une IA super intelligente qui a étudié des millions de photos de collisions normales et quelques photos de collisions « d'ombres ».

• Comment ça marche : Ils ont alimenté l'ordinateur avec des millions de collisions simulées. L'IA a appris à repérer des motifs subtils que les humains pourraient manquer. Elle ne regarde pas seulement un chiffre ; elle regarde la forme de l'événement entier.
• Le résultat : L'IA attribue à chaque collision un « score de suspicion » de 0 à 1. Si le score est élevé, il s'agit probablement d'une particule d'ombre. S'il est bas, c'est juste une collision normale. Cette méthode est très inclusive et capture une plus grande variété de signaux potentiels.

Les données : Une bibliothèque massive

Les scientifiques n'ont pas seulement regardé quelques collisions. Ils ont analysé une bibliothèque massive de données :

• 140 « Pétaoctets » de données (collectées entre 2015 et 2018).
• 51,8 « Pétaoctets » de données (collectées entre 2022 et 2023).
• Ils ont examiné trois « canaux » différents (types de collisions) :
  • Exactement un lepton tau et aucune autre particule légère.
  • Exactement un lepton tau et au moins une autre particule légère (électron ou muon).
  • Deux leptons tau ou plus.

Le défi : Les indices « faux »

L'une des parties les plus difficiles de ce travail est de distinguer un vrai « lepton tau » d'un « faux tau ».

• L'analogie : Imaginez que vous cherchez un type d'oiseau spécifique. Mais parfois, un nuage ressemble à un oiseau, ou un morceau de déchet ressemble à un oiseau.
• La solution : Les scientifiques ont utilisé une méthode « pilotée par les données ». Ils ont regardé des zones des données où ils savaient qu'il n'y avait pas de particules d'ombre, ont compté combien de fois des nuages ressemblaient à des oiseaux, et ont utilisé ce calcul pour estimer combien de « faux oiseaux » se trouvaient dans leur zone de recherche principale. Cela leur a permis de soustraire le bruit pour voir le véritable signal.

Les résultats : Le silence des ombres

Après avoir passé les chiffres au crible, vérifié les scores de l'IA et comparé les filtres rigides aux données, le résultat était clair : Ils n'ont rien trouvé.

• Pas de fantômes : Il n'y a eu aucune déviation significative par rapport au Modèle Standard. Le nombre d'événements d'« énergie manquante » correspondait exactement à ce que la physique connue prédisait.
• L'exclusion : Bien qu'ils n'aient pas trouvé les particules, ils ont découvert où elles ne sont pas.
  • Ils peuvent désormais affirmer avec une confiance de 95 % que les Gluinos (un type de super-partenaire) ne sont pas plus légers que 2,25 TeV (une masse très lourde).
  • Ils peuvent affirmer que les Squarks ne sont pas plus légers que 1,7 TeV.
  • Ils ont écarté de nombreuses combinaisons spécifiques de masses pour les particules « d'ombre ».

La conclusion

Considérez cette recherche comme la recherche d'une aiguille dans une botte de foin. Les scientifiques n'ont pas trouvé l'aiguille. Cependant, en utilisant de meilleurs aimants (des détecteurs plus récents), une botte de foin plus grande (plus de données) et des algorithmes de recherche plus intelligents (Apprentissage Automatique), ils ont pu prouver que l'aiguille n'est pas dans la moitié inférieure de la botte de foin.

Ils ont repoussé les limites de là où nous savons que ces particules ne peuvent pas exister, forçant les théoriciens à repenser où chercher ensuite. La recherche continue, mais les endroits « faciles » pour trouver ces particules ont été écartés.

Résumé technique

Résumé Technique : Recherche de squarks et de gluinos dans des événements avec des $\tau$-leptons, des jets et une impulsion transverse manquante

Problématique et Motivation
Le Modèle Standard (SM) de la physique des particules, bien qu'expérimentalement robuste, demeure une théorie effective incomplète. Il ne parvient pas à résoudre le problème de la hiérarchie, l'ajustement fin du potentiel de Higgs, ainsi que la nature de la matière noire. La supersymétrie (SUSY) offre une extension théorique qui introduit une symétrie entre bosons et fermions, prédisant des superpartenaires pour toutes les particules connues. Dans de nombreux scénarios de la SUSY, la parité R est conservée, ce qui implique que les particules supersymétriques sont produites par paires et que le plus léger particule supersymétrique (LSP) est stable, constituant ainsi un candidat viable pour la matière noire.

Cet article présente une recherche de la SUSY respectant la conservation de la parité R, ciblant spécifiquement la production par paires de gluinos ($\tilde{g}$) et de squarks de première ou deuxième génération de chiralité gauche ($\tilde{q}$). L'analyse se concentre sur les chaînes de désintégration où ces particules découlent via des états intermédiaires ($\tilde{\chi}^{\pm}_1$, $\tilde{\chi}^0_2$) vers des $\tau$-sleptons ($\tilde{\tau}$) ou des $\tau$-sneutrinos ($\tilde{\nu}_{\tau}$), qui se désintègrent ensuite en un LSP ($\tilde{\chi}^0_1$) et un $\tau$-lepton du SM ou un $\nu_{\tau}$. Cela résulte en des états finaux caractérisés par des $\tau$-leptons à désintégration hadronique, des jets et une impulsion transverse manquante ($E^{\text{miss}}_T$) significative. Des recherches antérieures d'ATLAS (2015–2016) et de CMS (2011) ont exclu les masses de gluinos inférieures à 2 TeV et 1,15 TeV, respectivement. Cette analyse vise à étendre ces limites en utilisant l'ensemble du jeu de données du Run 2 et les premières données du Run 3, en tirant parti de techniques de reconstruction améliorées et de stratégies d'analyse avancées.

Méthodologie
L'analyse utilise les données de collisions proton-proton collectées par le détecteur ATLAS à des énergies de centre de masse de $\sqrt{s} = 13$ TeV (2015–2018, 140 fb$^{-1}$) et $\sqrt{s} = 13,6$ TeV (2022–2023, 51,8 fb$^{-1}$).

• Sélection d'événements et canaux : Les événements doivent passer une présélection de $E^{\text{miss}}_T > 200$ GeV, au moins un $\tau$-lepton à désintégration hadronique, et au moins deux jets (dont un avec $p_T > 120$ GeV). La recherche est divisée en trois canaux orthogonaux basés sur le contenu leptonique :

  1. 1tau0lep : Exactement un $\tau$ hadronique, aucun électron ou muon.
  2. 1tau1lep : Exactement un $\tau$ hadronique et au moins un électron ou un muon.
  3. 2tau : Deux $\tau$-leptons hadroniques ou plus.

• Stratégies d'analyse : Deux approches indépendantes sont employées et combinées statistiquement :

  1. Approche par Apprentissage Automatique (ML) : Une classification multi-classe utilisant des arbres de décision boostés (XGBoost) est entraînée pour distinguer le signal des fonds du SM (incluant $W$+jets, $Z$+jets, dibosons, Top et faux $\tau$s). L'espace de phase entier est utilisé, avec des régions de signal (SR) définies par des scores de classificateur élevés (>0,75–0,8). Cette approche capture les corrélations entre les variables sans imposer de coupures cinématiques strictes.
  2. Approche Cut-and-Count : Des coupures de sélection traditionnelles sont appliquées pour définir des SR optimisées pour des topologies de signal spécifiques. Cela inclut des SR « Compressées » (ciblant de faibles écarts de masse $\Delta m$ avec des $\tau$-leptons mous) et des SR à « Haute Masse » (ciblant de grands écarts de masse). Des variables cinématiques telles que $E^{\text{miss}}_T$, $H_T$ et les masses transverses ($m_T$, $m_{T2}$) sont utilisées pour le partitionnement (binning).

• Estimation du fond :

  • Top et Diboson : Estimés à l'aide de simulations de Monte Carlo (MC) normalisées aux données dans des régions de contrôle (CR) dédiées.
  • Faux $\tau$s (jets identifiés à tort comme $\tau$) : Estimés à l'aide d'une approche par facteur de faux universel (UFF) basée sur les données. Les facteurs de faux sont mesurés dans des régions dédiées (Multijet, $Z(\ell\ell)$, $W(\mu\nu)$) et appliqués aux régions de non-identification de l'analyse.
  • Incertitudes Systématiques : Un ensemble complet d'incertitudes est considéré, incluant le calibrage du détecteur (jets, $\tau$s, leptons), la luminosité, le pile-up, la modélisation théorique (PDFs, variations d'échelle) et les incertitudes statistiques des méthodes basées sur les données.

• Analyse Statistique : Un ajustement de vraisemblance simultané (utilisant HistFitter/pyhf) est effectué à travers toutes les CR, les régions de validation (VR) et les SR. Des ajustements de type "fond seul" sont utilisés pour valider la modélisation, tandis que des ajustements dépendant du modèle (prescription CL$_s$) sont utilisés pour fixer les limites d'exclusion sur les modèles de SUSY simplifiés.

Contributions Clés

• Combinaison des données Run 2 et Run 3 : Il s'agit de la première recherche ATLAS dans ce canal combinant l'ensemble du jeu de données du Run 2 avec les premières données du Run 3 à 13,6 TeV, augmentant significativement la puissance statistique.
• Approche à double stratégie : L'utilisation simultanée des stratégies par ML et par cut-and-count permet une sensibilité optimale à travers différentes régions de l'espace des paramètres de la SUSY. L'approche ML excelle dans les régions de haute masse, tandis que l'approche cut-and-count, avec ses SR compressées dédiées, est supérieure pour les scénarios à faible écart de masse.
• Modélisation avancée du fond : L'implémentation de la méthode UFF pour l'estimation des faux $\tau$ et l'utilisation de BDT multi-classes pour la séparation signal/fond représentent un raffinement par rapport aux itérations précédentes.
• Combinaison complète des canaux : La combinaison statistique des canaux 1tau0lep, 1tau1lep et 2tau maximise la sensibilité à diverses topologies de désintégration.

Résultats
Aucune déviation significative par rapport aux prédictions du SM n'a été observée dans les régions de signal. L'excès local le plus important présentait une signification de moins de $2\sigma$.

• Limites d'exclusion :

  • Modèles de Gluinos : Les masses de gluinos ($m_{\tilde{g}}$) jusqu'à 2,25 TeV sont exclues pour des masses de LSP ($m_{\tilde{\chi}^0_1}$) allant jusqu'à 1,35 TeV. Dans la région compressée, les modèles avec $\Delta m(\tilde{g}, \tilde{\chi}^0_1) > 150$ GeV sont exclus.
  • Modèles de Squarks : Les masses de squarks ($m_{\tilde{q}}$) jusqu'à 1,7 TeV sont exclues pour des masses de LSP allant jusqu'à 0,85 TeV. Dans la région compressée, les modèles avec $\Delta m(\tilde{q}, \tilde{\chi}^0_1) > 130$ GeV sont exclus.
  • Comparaison : Ces limites représentent une amélioration significative par rapport aux recherches précédentes (ex: l'analyse 2015–2016), principalement pilotée par le jeu de données plus large, l'identification améliorée des $\tau$-leptons et l'inclusion des techniques de ML.

• Limites Indépendantes du Modèle : Des limites supérieures sur la section efficace visible ($\sigma_{\text{vis}}$) pour les processus de nouvelle physique dans des SR spécifiques ont été fixées, allant de 0,02 à 0,31 fb à un niveau de confiance de 95 %.

Signification
L'article conclut que la recherche place les limites les plus strictes à ce jour sur les modèles de SUSY simplifiés impliquant la production par paires de gluinos ou de squarks avec des désintégrations en cascade riches en $\tau$. L'absence de signal contraint l'espace des paramètres pour la SUSY respectant la conservation de la parité R, en excluant particulièrement les scénarios de gluinos et de squarks plus légers qui étaient auparavant accessibles. L'étude démontre l'efficacité de la combinaison des méthodes traditionnelles basées sur des coupures avec l'apprentissage automatique et de l'utilisation des premières données du Run 3 pour sonder des échelles de masse plus élevées et des spectres plus compressés. Les résultats sont interprétés dans le contexte de modèles simplifiés mais sont notés comme étant applicables à d'autres cadres de la SUSY (tels que NUHM, mSUGRA ou GMSB) qui produisent des états finaux similaires.