Search for Higgs bosons produced in association with a high-energy photon via vector-boson fusion and decaying to a pair of $b$-quarks in the ATLAS detector

En utilisant 133 fb$^{-1}$ de données de collisions proton-proton à 13 TeV, la collaboration ATLAS a réalisé une recherche de bosons de Higgs du Modèle Standard produits par fusion de bosons vectoriels en association avec un photon de haute énergie et se désintégrant en $b\bar{b}$, en employant des techniques d'analyse améliorées pour mesurer une force de signal de $0,2 \pm 0,7$ avec une signification observée de 0,3 déviations standards, compatible avec l'hypothèse du seul bruit de fond.

L'essentiel

La vue d'ensemble : Chasser un fantôme dans une tempête

Imaginez que le Grand collisionneur de hadrons (LHC) est une course automobile massive et à très haute vitesse où les particules sont les voitures. Lorsqu'elles entrent en collision, elles créent une explosion chaotique de débris. Les physiciens tentent de repérer un « véhicule fantôme » très spécifique et rare au milieu de cette explosion : le boson de Higgs.

Le boson de Higgs est célèbre pour donner leur masse aux autres particules, mais il est difficile à attraper. Il se désintègre (se décompose) presque instantanément en une paire de quarks bottom (appelons-les « quarks b »). Le problème est que la piste de course est jonchée de millions d'autres débris de « quarks b » issus de collisions normales. Trouver le boson de Higgs, c'est comme essayer de repérer une bille rouge spécifique dans un tas d'un million de billes rouges identiques.

La nouvelle stratégie : L'astuce du « projecteur »

Dans cette nouvelle étude, l'équipe ATLAS a décidé de changer sa stratégie de recherche. Au lieu de chercher simplement les billes rouges, ils ont décidé de chercher une bille rouge qui a été frappée par un puissant projecteur au moment exact de la collision.

• Le projecteur : Il s'agit d'un photon de haute énergie (une particule de lumière).
• L'astuce : Dans la physique de ces collisions, si un boson de Higgs est créé en même temps qu'un photon, cela se produit d'une manière très spécifique appelée fusion de bosons vectoriels (VBF). Ce processus est rare, mais il possède un super-pouvoir : il supprime naturellement le « bruit » (les débris de fond).
• Le résultat : En exigeant la présence d'un photon, l'équipe filtre 99 % des déchets. C'est comme allumer un projecteur dans une pièce sombre et bondée ; soudainement, la personne spécifique que vous cherchez se détache beaucoup plus clairement du fond sombre.

Le travail d'enquête : Améliorer les outils

L'équipe a utilisé des données de 2015 à 2018 (133 « femtobarns inverses » de données, ce qui est une façon élégante de dire « une énorme quantité d'enregistrements de collisions »). Pour trouver le signal, ils ont dû améliorer leur boîte à outils d'enquêteurs :

1. Le réseau de neurones (le super-détective) : Dans les recherches précédentes, ils utilisaient un arbre de décision standard (comme un organigramme) pour deviner quels événements correspondaient à des bosons de Higgs. Dans ce papier, ils sont passés à un réseau de neurones (un type d'intelligence artificielle). Imaginez l'ancienne méthode comme un jeune détective suivant une liste de contrôle, tandis que le nouveau réseau de neurones est un détective chevronné capable de voir l'ensemble du tableau, de sentir les motifs et de repérer des indices subtils que la liste de contrôle aurait manqués.
2. Meilleure modélisation du fond : Ils ont réalisé que leurs simulations informatiques du fond de « déchets » n'étaient pas parfaites. Ils ont développé une nouvelle méthode pour « repondérer » leurs simulations, enseignant essentiellement à l'ordinateur à imiter le bruit réel avec plus de précision avant de commencer à chercher le signal.
3. Ajustement direct : Au lieu de simplement compter combien d'événements tombaient dans une « zone Higgs », ils ont examiné l'ensemble de la distribution des scores de confiance de l'IA. C'est comme ne pas se contenter de compter combien de personnes correspondent à une description, mais analyser la probabilité que chaque personne dans la foule soit le suspect.

Les résultats : Une pièce calme

Après avoir fait passer toutes les données à travers leur nouveau système haute technologie, voici ce qu'ils ont trouvé :

• L'attente : Basé sur le Modèle Standard (notre meilleure théorie de la physique), ils s'attendaient à voir un signal avec une signification de 1,5 déviation standard. En termes d'enquête, cela signifie qu'ils s'attendaient à un « indice fort » ou à un « suspect probable », mais pas assez pour arrêter qui que ce soit pour l'instant.
• La réalité : Ils ont observé une force de signal de 0,2 (par rapport à ce qui était prédit). La signification statistique n'était que de 0,3 déviation standard.
• La traduction : Il s'agit essentiellement d'un « résultat nul ». C'est comme si le détective regardait la liste des suspects et disait : « Je ne vois personne ici qui corresponde mieux à la description que le hasard pur. » Les données ressemblent presque exactement au bruit de fond.

Pourquoi cela compte (même s'ils ne l'ont pas trouvé)

Vous vous demandez peut-être : « S'ils ne l'ont pas trouvé, pourquoi écrire un article ? »

1. Prouver que la méthode fonctionne : Ils ont démontré avec succès que leur nouvelle stratégie « Projecteur + IA » fonctionne. Ils ont montré qu'ils peuvent modéliser le bruit de fond de manière incroyablement précise et que leurs nouveaux outils sont plus sensibles que les anciens.
2. Fixer la barre : Ils ont mesuré la « force du signal » à 0,2 ± 0,7. Cela signifie que la vraie valeur se situe probablement quelque part entre -0,5 et +0,9. Puisque le Modèle Standard prédit 1,0, leur résultat est compatible avec la théorie (il se situe dans la marge d'erreur), mais cela ne prouve pas non plus que la théorie est correcte.
3. Se préparer pour l'avenir : Cette analyse est une répétition générale. Les techniques qu'ils ont perfectionnées ici — en particulier le réseau de neurones et la modélisation du fond — sont maintenant prêtes à être appliquées à encore plus de données à l'avenir. Ils aiguisent leurs lames pour la prochaine chasse.

La conclusion

L'équipe ATLAS a pris un ensemble de données massif, utilisé un « marquage photon » astucieux pour nettoyer le bruit, et déployé une IA super-intelligente pour chercher le boson de Higgs. Ils n'ont pas fait de découverte définitive cette fois-ci (le signal était trop faible pour être distingué des fluctuations aléatoires), mais ils ont prouvé que leurs nouvelles méthodes sont puissantes et prêtes pour le prochain tour de la course. Ils continuent de chercher, et ils cherchent plus intelligemment que jamais.

Résumé technique

Résumé technique : Recherche de bosons de Higgs produits en association avec un photon de haute énergie via la fusion de bosons vectoriels et se désintégrant en une paire de quarks $b$ dans le détecteur ATLAS

Problème et motivation
La recherche du boson de Higgs du Modèle Standard (MS) se désintégrant en une paire de quarks $b$ ($H \to b\bar{b}$) est difficile en raison du fond multijet non résonnant écrasant de la Chromodynamique Quantique (QCD). Bien que la désintégration $H \to b\bar{b}$ soit le mode dominant, son isolement nécessite une suppression significative du fond. Cette analyse cible la production associée d'un boson de Higgs avec un photon de haute énergie ($H\gamma$) dans la topologie de fusion de bosons vectoriels (VBF). L'exigence d'un photon associé remplit deux fonctions critiques : elle fournit une signature de déclenchement propre et, par des effets d'interférence destructive entre les diagrammes de rayonnement d'état initial et d'état final, réduit considérablement le fond multijet non résonnant de la QCD. De plus, en présence d'un photon associé, la VBF devient le mécanisme de production de Higgs dominant, surpassant la fusion gluon-gluon ($ggH$). Ce canal offre une opportunité unique d'étudier plus en détail l'interaction $HWW$ et la dynamique de production VBF, car la fusion $ZZ$ est supprimée par des effets d'interférence similaires.

Méthodologie
L'analyse utilise 133 fb$^{-1}$ de données de collisions proton-proton à $\sqrt{s} = 13$ TeV collectées par le détecteur ATLAS durant la Run 2 (2015–2018).

• Sélection d'événements : La signature cible comprend deux jets marqués $b$ (issus de la désintégration du Higgs), deux jets supplémentaires de haute masse invariante (jets candidats VBF) et un photon isolé de haute énergie. Les événements sont sélectionnés avec un photon de $p_T > 30$ GeV, au moins deux jets marqués $b$ avec $p_T > 40$ GeV, et deux jets supplémentaires avec $p_T > 40$ GeV. La masse invariante dijet des candidats VBF doit dépasser 800 GeV. Pour maintenir l'orthogonalité avec d'autres analyses, les événements contenant des électrons ou des muons isolés avec $p_T > 25$ GeV sont rejetés.
• Modélisation du signal et du fond : Les événements de signal ($H \to b\bar{b} + \gamma$) sont simulés à l'ordre suivant le plus élevé (NLO) en utilisant MadGraph5_aMC@NLO et Herwig 7. Les fonds dominants sont la production non résonnante $b\bar{b}\gamma jj$ et $c\bar{c}\gamma jj$, modélisés à l'ordre dominant (LO) avec MadGraph5_aMC@NLO et Pythia 8. Les fonds de quark top ($t\bar{t}$) et $Z\gamma jj$ sont également inclus.
• Analyse multivariée (MVA) : Une amélioration clé par rapport aux analyses précédentes est le remplacement de l'arbre de décision boosté (BDT) par un réseau de neurones densément connecté (NN). Le NN est entraîné pour distinguer les événements de type signal des fonds en utilisant 14 variables d'entrée cinématiques, notamment la masse invariante dijet $b$ ($m_{bb}$), la multiplicité des jets et les corrélations angulaires. Le score de sortie du NN est utilisé comme discriminant principal.
• Modélisation et recalibrage du fond : Pour résoudre les écarts entre les données et les simulations Monte Carlo (MC) dans la région de contrôle (définie par les bandes latérales de $m_{bb}$), des facteurs d'échelle de recalibrage cinématique sont extraits pour les fonds dominants $b\bar{b}\gamma jj$ et $c\bar{c}\gamma jj$. Ces facteurs sont dérivés du rapport des distributions données/MC pour les 14 variables d'entrée du NN et appliqués aux échantillons MC pour améliorer l'accord.
• Analyse statistique : Un ajustement par vraisemblance maximale binné est effectué directement sur la distribution du score de sortie du NN dans la région de signal ($100 \le m_{bb} \le 150$ GeV) et la région de contrôle. L'ajustement extrait simultanément l'intensité du signal de Higgs ($\mu_H$) et la normalisation des fonds non résonnants dominants. Les incertitudes systématiques, incluant la modélisation théorique, les variations du shower de partons et les effets expérimentaux (échelle d'énergie des jets, efficacité de marquage $b$), sont incorporées via 78 paramètres de nuisance.

Contributions et améliorations clés
Cette analyse introduit plusieurs avancées méthodologiques par rapport aux recherches précédentes d'ATLAS dans ce canal :

1. Classificateur par réseau de neurones : L'utilisation d'un réseau de neurones profond offre une discrimination signal-fond supérieure par rapport au BDT précédemment utilisé.
2. Stratégie d'ajustement direct : Contrairement aux approches précédentes qui ajustaient la distribution de $m_{bb}$, cette analyse extrait l'intensité du signal directement à partir de la distribution du score du NN, en utilisant $m_{bb}$ uniquement pour définir les régions de signal et de contrôle. Cela réduit les incertitudes systématiques liées à la modélisation associées à la paramétrisation de la forme du fond.
3. Modélisation améliorée du fond : La mise en œuvre du recalibrage cinématique pour les fonds non résonnants dominants améliore considérablement l'accord entre les données et la simulation dans la région de contrôle.
4. Échantillons MC plus volumineux : L'utilisation d'échantillons simulés significativement plus grands pour les principaux fonds réduit l'incertitude statistique associée aux modèles MC.

Résultats
L'analyse donne une intensité de signal de boson de Higgs observée de $\mu_H = 0,2 \pm 0,7$ par rapport à la prédiction du Modèle Standard. L'intensité de signal attendue sous l'hypothèse du MS est de $1,0 \pm 0,7$.

• Significativité : La significativité observée est de 0,3 déviation standard ($\sigma$), comparée à une significativité attendue de 1,5$\sigma$ en supposant le MS.
• Normalisation du fond : La normalisation post-ajustement des fonds non résonnants dominants est d'environ 85 % de l'estimation MC à l'ordre dominant.
• Qualité de l'ajustement : L'ajustement donne une valeur $p$ de 30 %, indiquant un bon accord entre les données et le modèle fond-plus-signal.
• Incertitudes : L'incertitude totale est dominée par les limitations statistiques (0,57), suivie par les statistiques des modèles de fond MC (0,25) et les incertitudes théoriques/de modélisation (0,24).

Signification
L'article conclut que bien qu'aucune preuve significative du processus VBF $H(b\bar{b}) + \gamma$ n'ait été observée, l'analyse démontre une sensibilité améliorée par rapport aux mesures précédentes. La significativité attendue de 1,5$\sigma$ représente une amélioration d'environ 50 % par rapport à l'analyse complète précédente de la Run 2 du même canal. Le résultat modeste (0,3$\sigma$ observé) est cohérent avec l'attente du MS étant donné la petite section efficace de production et les limitations statistiques de l'ensemble de données. L'étude valide l'efficacité des nouvelles techniques multivariées, du recalibrage cinématique et des stratégies d'ajustement direct, établissant un cadre robuste pour les futures recherches avec l'ensemble complet des données de la Run 2 et au-delà. Les résultats sont compatibles avec la mesure précédente ($\mu_H = 1,3 \pm 1,0$) dans les limites des incertitudes.