⚛️ high-energy experiments

Model-independent measurement of the Higgs boson associated production with two jets and decaying to a pair of W bosons in proton-proton collisions at $\sqrt{s}$ = 13 TeV

CMS डिटेक्टर द्वारा एकत्र किए गए 13 TeV प्रोटॉन-प्रोटॉन टकराव के 138 fb⁻¹ डेटा का उपयोग करते हुए, यह शोध पत्र दो जेट के साथ W बोसॉन युग्मों में क्षय होने वाले हिग्स बोसॉन के विभेदक उत्पादन क्रॉस सेक्शन का एक मॉडल-स्वतंत्र मापन प्रस्तुत करता है, जिसमें स्टैंडर्ड मॉडल प्रभावी क्षेत्र सिद्धांत ढांचे के भीतर हिग्स कपलिंग्स को सीमित करने के लिए एक मशीन लर्निंग-व्युत्पन्न चर का उपयोग किया गया है।

मूल लेखक: CMS Collaboration

प्रकाशित 2026-03-24

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: CMS Collaboration

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि ब्रह्मांड एक विशाल, उच्च-गति वाला रेसट्रैक है जहाँ सूक्ष्म कण प्रकाश की गति के करीब दौड़ रहे हैं। CERN में, वैज्ञानिक इन कणों को आपस में टकराते हैं ताकि बिग बैंग के ठीक बाद के ब्रह्मांड की स्थितियों को फिर से बनाया जा सके। इस ट्रैक पर सबसे महत्वपूर्ण "कारों" में से एक हिग्स बोसान (Higgs boson) है, जो अन्य सभी चीजों को द्रव्यमान (mass) प्रदान करता है।

यह पेपर CMS प्रयोग (एक विशाल डिटेक्टर जो इस रेस पर नज़र रख रहा है) से मिली एक विस्तृत जासूसी रिपोर्ट की तरह है। वैज्ञानिक यह समझने की कोशिश कर रहे हैं कि जब हिग्स बोसान दो "जेट्स" (कणों के फुहारों) के साथ होता है, तो वह कैसे बनता है और फिर दो अन्य कणों (एक W बोसोन जोड़ी, जो जल्दी से एक इलेक्ट्रॉन, एक म्यूऑन और कुछ अदृश्य ऊर्जा में बदल जाती है) में कैसे टूटता है।

यहाँ उनकी जांच की कहानी है, जिसे सरल अवधारणाओं में विभाजित किया गया है:

1. रहस्य: क्या हिग्स "सामान्य" व्यवहार कर रहा है?

वर्षों से, हम जानते हैं कि हिग्स बोसान का अस्तित्व है, लेकिन हम जानना चाहते हैं कि क्या यह बिल्कुल वैसा ही व्यवहार करता है जैसा स्टैंडर्ड मॉडल (भौतिकी की हमारी वर्तमान नियम पुस्तिका) भविष्यवाणी करता है, या क्या यह किसी अज्ञात, नई भौतिकी से कुछ "गुप्त नियम" छिपा रहा है।

वैज्ञानिकों ने एक विशिष्ट सुराग पर ध्यान केंद्रित किया: हिग्स के साथ दिखाई देने वाले दो कणों के जेट्स के बीच का कोण (angle)।

उपमा: कल्पना कीजिए कि दो लोग एक गेंद (हिग्स) फेंक रहे हैं जबकि वे पीठ से पीठ सटाकर खड़े हैं। यदि वे इसे बिल्कुल सीधा फेंकते हैं, तो उनके बीच का कोण 180 डिग्री होता है। यदि वे इसे किसी अजीब, मुड़े हुए तरीके से फेंकते हैं, तो कोण बदल जाता है।
सुराग: स्टैंडर्ड मॉडल में, हिग्स को कोण की परवाह नहीं होती; वितरण (distribution) सपाट होता है। लेकिन यदि कोई "नई भौतिकी" की ताकतें (जिन्हें एनोमलेस कपलिंग्स - Anomalous Couplings कहा जाता है) हिग्स के साथ छेड़छाड़ कर रही हैं, तो यह कुछ विशेष कोणों को पसंद कर सकता है, जिससे एक पैटर्न बनता है जो एक लहर या घुमाव जैसा दिखता है।

2. चुनौती: "गिरगिट" वाली समस्या (The Chameleon Problem)

इस प्रयोग में सबसे बड़ी समस्या यह है कि हिग्स बोसान एक गिरगिट की तरह है। इसका व्यवहार इस बात पर निर्भर करता है कि वहां किस तरह की "नई भौतिकी" हो सकती है।

पुराना तरीका: आमतौर पर, वैज्ञानिक अपने कंप्यूटर प्रोग्राम को इस आधार पर प्रशिक्षित करते हैं कि हिगks कैसा दिखना चाहिए जैसा कि स्टैंडर्ड मॉडल कहता है। लेकिन यदि हिग्स वास्तव में अजीब व्यवहार कर रहा है (नई भौतिकी के कारण), तो कंप्यूटर इसे मिस कर सकता है या भ्रमित हो सकता है क्योंकि उसे "सामान्य" संस्करण पर प्रशिक्षित किया गया था।
नया तरीका (एक "मॉडल-स्वतंत्र" दृष्टिकोण): इस समस्या को हल करने के लिए, वैज्ञानिकों ने एडवर्सरियल डीप लर्निंग (Adversarial Deep Learning) नामक एक विशेष आर्टिफिशियल इंटेलिजेंस (AI) तकनीक का उपयोग किया।
- उपमा: कल्पना कीजिए कि "20 सवाल" (20 Questions) का खेल चल रहा है।
  - खिलाड़ी A (क्लासिफायर): यह अनुमान लगाने की कोशिश करता है कि कोई घटना हिग्स की है या केवल बैकग्राउंड शोर है।
  - खिलाड़ी B (एडवर्सरी): यह अनुमान लगाने की कोशिश करता है कि हिग्स वास्तव में किस विशिष्ट सिद्धांत (theory) का पालन कर रहा है (स्टैंडर्ड मॉडल? अजीब भौतिकी? या कुछ और?)।
- वे इन दोनों AI को एक-दूसरे के खिलाफ प्रशिक्षित करते हैं। यदि खिलाड़ी B सिद्धांत का अनुमान लगा लेता है, तो खिलाड़ी A को दंडित किया जाता है। यह खिलाड़ी A को हिग्स की उन विशेषताओं को सीखने के लिए मजबूर करता है जो सार्वभौमिक (universal) हैं, चाहे वह "सामान्य" हो या "अजीब"।
- परिणाम: उन्होंने एक "यूनिवर्सल डिटेक्टर" बनाया जो बिना यह जाने कि उसके भीतर कौन सी नई भौतिकी छिपी हो सकती है, हिग्स को पहचान सकता है। यह उनके माप को बहुत अधिक मजबूत बनाता है।

3. जांच: डेटा के 138 "वर्ष"

टीम ने 2016 और 2018 के बीच एकत्र किए गए डेटा का विश्लेषण किया।

पैमाना: उन्होंने 138 फेम्टोबार्न (femtobarns) डेटा का विश्लेषण किया। इसे समझने के लिए, यदि आप उन सभी टकरावों को ढेर लगा दें जिन्हें उन्होंने देखा, तो यह पृथ्वी पर हर कार को एक विशिष्ट बिंदु से गुजरते हुए देखने जैसा होगा।
फ़िल्टर: उन्हें अरबों "कचरा" टकरावों (जैसे पार्किंग लॉट में कारों का टकराना) को छानना पड़ा ताकि उन्हें वे कुछ सौ हिग्स इवेंट मिल सकें जिन्हें वे चाहते थे। उन्होंने सख्त नियम लागू किए: "हमें एक इलेक्ट्रॉन, एक म्यूऑन, लुप्त ऊर्जा (missing energy) और दो जेट्स चाहिए।"

4. निष्कर्ष: "अभी तक, सब ठीक है"

अपने AI को चलाकर और आंकड़ों को प्रोसेस करके, उन्होंने विभिन्न कोणों पर हिग्स के प्रकट होने की आवृत्ति को मापा।

फैसला: परिणाम स्टैंडर्ड मॉडल की भविष्यवाणियों के साथ लगभग पूरी तरह मेल खाते हैं। हिग्स बोसान बिल्कुल वैसा ही व्यवहार कर रहा है जैसा नियम पुस्तिका कहती है।
ट्विस्ट: उन्हें कुछ दिलचस्प (कोणों में एक विषमता/asymmetry) का एक छोटा सा संकेत मिला, लेकिन यह एक खोज (discovery) के लिए पर्याप्त मजबूत नहीं था। यह शोर भरे कमरे में एक हल्की फुसफुसाहट सुनने जैसा है; यह हो सकता है कि एक गुप्त संदेश हो, या यह केवल हवा का झोंका भी हो सकता है। वर्तमान में, यह केवल हवा है।

5. भविष्य: जाल को कसना

भले ही उन्हें अभी तक "नई भौतिकी" नहीं मिली, लेकिन यह पेपर एक बड़ी सफलता है क्योंकि:

उन्होंने साबित किया कि AI का तरीका काम करता है: उन्होंने दिखाया कि आप उस चीज़ की ओर झुके बिना (bias के बिना) कणों को माप सकते हैं जिसे आप खोजने की उम्मीद कर रहे हैं।
उन्होंने नई सीमाएं तय कीं: उन्होंने हिग्स बोसान के चारों ओर एक बहुत ही तंग घेरा बनाया। यदि वहां कोई नई भौतिकी छिपी है, तो उसे बहुत सूक्ष्म होना होगा, क्योंकि वैज्ञानिकों ने अब कई "तेज" संभावनाओं को खारिज कर दिया है।
यह "विल्सन गुणांकों" (Wilson Coefficients) को सीमित करता है: सैद्धांतिक भौतिकी की भाषा में, उन्होंने उन संख्याओं (गुणांकों) पर सख्त सीमाएं लगाई हैं जो यह बताती हैं कि हिग्स अन्य कणों के साथ कैसे इंटरैक्ट करता है। इसे ब्रह्मांड के इंजन के पेंचों को कसने जैसा समझें ताकि यह देखा जा सके कि क्या कुछ ढीला है।

सारांश

CMS टीम ने एक चतुर, निष्पक्ष AI का उपयोग करके यह देखने के लिए किया कि हिग्स बोसान दो जेट्स के साथ कैसे नृत्य करता है। उन्होंने जांचा कि क्या नृत्य के कदम अजीब हैं (जो नई भौतिकी का संकेत देते हैं)। नृत्य बिल्कुल सामान्य दिखा। हालांकि उन्हें वह "नई भौतिकी" नहीं मिली जिसकी वे उम्मीद कर रहे थे, लेकिन उन्होंने साबित कर दिया कि उनके देखने का नया, निष्पक्ष तरीका अविश्वसनीय रूप से शक्तिशाली है, और उन्होंने अगली बड़ी खोज की तलाश को और भी सटीक बना दिया है।

संक्षेप में: हिग्स अपना व्यवहार सही रख रहा है, लेकिन इस पेपर की बदौलत, अब हमारे पास एक बहुत ही पैनी दृष्टि है जो उसे पकड़ सकेगी यदि वह कभी भी गलत व्यवहार करने की कोशिश करे।

यहाँ CMS सहयोग द्वारा लिखित शोध पत्र "Model-independent measurement of the Higgs boson associated production with two jets and decaying to a pair of W bosons in proton-proton collisions at $\sqrt{s} = 13$ TeV" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण और प्रेरणा (Problem Statement and Motivation)

इस विश्लेषण का प्राथमिक लक्ष्य हिग्स बोसोन ( $H$ ) के दो $W$ बोसोन ( $H \to WW$ ) में क्षय (decay) होने वाले विभेदक उत्पादन क्रॉस-सेक्शन (differential production cross-section) का एक मॉडल-स्वतंत्र मापन (model-independent measurement) करना है, विशेष रूप से दो जेट्स के साथ जुड़े हुए आयोजनों में।

भौतिक संदर्भ (Physics Context): जबकि मानक मॉडल (Standard Model - SM) हिग्स बोसोन के विशिष्ट गुणों की भविष्यवाणी करता है, मानक मॉडल से परे (Beyond-the-Standard-Model - BSM) परिदृश्य हिग्स और वेक्टर बोसोन ($HVV$) के बीच परस्पर क्रिया में विसंगत कपलिंग (Anomalous Couplings - ACs) के अस्तित्व का सुझाव देते हैं। ये कपलिंग नए टेंसर स्ट्रक्चर (tensor structures) पेश कर सकती हैं और संभावित रूप से CP समरूपता (CP symmetry) का उल्लंघन कर सकती हैं।
मुख्य अवलोकन (Key Observable): दो अग्रणी जेट्स के बीच हस्ताक्षरित अज़ीमुथल कोण अंतर (signed azimuthal angle difference), $\Delta\Phi_{jj}$ , CP-उल्लंघन प्रभावों का पता लगाने के लिए एक अत्यधिक संवेदनशील अवलोकन है। SM में, वितरण लगभग सपाट (flat) होता है। हालाँकि, शुद्ध CP-विषम (CP-odd) या CP-सम (CP-even) विसंगत कपलिंग विशिष्ट कोणों ( $0, \pm\pi$ या $\pm\pi/2$ ) पर क्रॉस-सेक्शन को कम कर देती हैं, और मिश्रित परिदृश्य विषमता (asymmetry) उत्पन्न करते हैं।
चुनौती: पारंपरिक मापन अक्सर परिणामों को निकालने के लिए विशिष्ट सिग्नल परिकल्पनाओं (जैसे, SM गतिकी को मानते हुए) पर निर्भर करते हैं। यदि वास्तविक भौतिकी उस धारणा से भिन्न है (जैसे, BSM प्रभाव), तो मापन पक्षपाती (biased) हो जाता है। यह शोध एक ऐसी कार्यप्रणाली विकसित करके इस पूर्वाग्रह को कम करने का लक्ष्य रखता है जो सिग्नल परिकल्पना के प्रति उदासीन (agnostic) है।

2. कार्यप्रणाली (Methodology)

डेटा और इवेंट चयन (Data and Event Selection)

डेटासेट: CMS डिटेक्टर द्वारा $\sqrt{s} = 13$ TeV पर 2016-2018 के दौरान एकत्र किया गया प्रोटॉन-प्रोटॉन टकराव डेटा, जो 138 fb $^{-1}$ के एकीकृत ल्यूमिनोसिटी (integrated luminosity) के बराबर है।
अंतिम अवस्था (Final State): यह विश्लेषण विभिन्न-फ्लेवर डाइलिप्टन चैनल ( $H \to WW \to e\nu\mu\nu$ $H \to W W \to e ν μν$ ) को लक्षित करता है। आयोजनों का चयन निम्नलिखित आवश्यकताओं के साथ किया जाता है:
- विपरीत आवेश वाले एक इलेक्ट्रॉन और एक म्यूऑन।
- उच्च ट्रांसवर्स मोमेंटम ( $p_T > 30$ GeV) और इनवेरिएंट मास $m_{jj} > 120$ GeV वाले दो जेट।
- मिसिंग ट्रांसवर्स मोमेंटम ( $p_T^{miss} > 20$ GeV)।
- बैकग्राउंड को दबाने के लिए ट्रांसवर्स मास ( $m_T$ ) और लीप्टॉन $p_T$ पर किनमैटिक कट्स।
क्षेत्र (Regions): घटनाओं को सिग्नल क्षेत्र (SR) और नॉर्मलाइजेशन को नियंत्रित करने के लिए टॉप क्वार्क ( $t\bar{t}$ ) और ड्रेल-यान ($DY$) बैकग्राउंड के दो नियंत्रण क्षेत्रों (CRs) में वर्गीकृत किया गया है।

मॉडल-अग्नोस्टिक वर्गीकरण (Model-Agnostic Classification - मुख्य नवाचार)

मॉडल स्वतंत्रता को अधिकतम करने के लिए, लेखक डोमेन अडैप्टेशन (domain adaptation) की अवधारणा पर आधारित एक एडवर्सरियल डीप न्यूरल नेटवर्क (ADNN) का उपयोग करते हैं।

आर्किटेक्चर: ADNN में दो प्रतिस्पर्धी नेटवर्क होते हैं:
1. क्लासिफायर (C): सिग्नल (हिग्स) को बैकग्राउंड से अलग करने के लिए प्रशिक्षित।
2. एडवर्सरी (A): सिग्नल आयोजनों के विशिष्ट भौतिक परिकल्पना (जैसे, विशिष्ट AC मान) को क्लासिफायर के आंतरिक प्रतिनिधित्व के आधार पर पहचानने के लिए प्रशिक्षित।
प्रशिक्षण रणनीति: नेटवर्क एक प्रतिस्पर्धी लूप में प्रशिक्षित किए जाते हैं। यदि एडवर्सरी, क्लासिफायर के आंतरिक प्रतिनिधित्व के आधार पर विशिष्ट सिग्नल परिकल्पना को सफलतापूर्वक पहचान लेता है, तो क्लासिफायर को दंडित किया जाता है। यह क्लासिफायर को ऐसे फीचर्स सीखने के लिए मजबूर करता है जो विशिष्ट कपलिंग धारणाओं से स्वतंत्र हों, जिससे यह सुनिश्चित होता है कि आउटपुट स्कोर वितरण विभिन्न BSM परिदृश्यों में स्थिर रहे।
कार्यान्वयन: दो अलग-अलग ADNN प्रशिक्षित किए गए थे:
- VBF-ADNN: वेक्टर बोसोन फ्यूजन (VBF) उत्पादन के लिए अनुकूलित।
- GGH-ADNN: ग्लुऑन-ग्लूऑन फ्यूजन (ggH) उत्पादन के लिए अनुकूलित।
इनपुट फीचर्स: नेटवर्क सिग्नल को बैकग्राउंड से अलग करने के लिए किनमैटिक ऑब्जर्वेबल्स (जेट/लीप्टॉन $p_T, \eta, \phi$ , इनवेरिएंट मास) और मैट्रिक्स एलिमेंट (ME) लाइकलीहुड डिस्क्रिमिनेंट्स का उपयोग करते हैं।

सिग्नल निष्कर्षण और अनफोल्डिंग (Signal Extraction and Unfolding)

फिट वेरिएबल्स: $\Delta\Phi_{jj}$ के बिनों में ADNN स्कोर डिस्ट्रीब्यूशन ( $D_{VBF}$ और $D_{ggH}$ ) को फिट करके सिग्नल स्ट्रेंथ निकाली जाती है।
कॉन्फ़िगरेशन: तीन फिट कॉन्फ़िगरेशन का उपयोग किया गया था:
1. संयुक्त VBF + ggH क्रॉस-सेक्शन।
2. VBF और ggH क्रॉस-सेक्शन का समवर्ती (simultaneous) मापन।
3. VBF क्रॉस-सेक्शन का मापन, जिसमें ggH को SM भविष्यवाणियों पर स्थिर रखा गया है (VBF-विशिष्ट कपलिंग के प्रति संवेदनशीलता बढ़ाने के लिए)।
अनफोल्डिंग: डिटेक्टर प्रभावों को ठीक करने के लिए लाइकलीहुड फिट के भीतर एक माइग्रेशन मैट्रिक्स का उपयोग किया जाता है, जो परिणामों को जनरेटर-लेवल फिडुशियल फेज स्पेस तक अनफोल्ड करता है।

3. प्रमुख योगदान (Key Contributions)

HEP के लिए एडवर्सरियल ट्रेनिंग: यह विभेदक क्रॉस-सेक्शन मापन में मॉडल पूर्वाग्रह को कम करने के लिए हाई-एनर्जी फिजिक्स में एडवर्सरियल डोमेन अडैप्टेशन का एक महत्वपूर्ण अनुप्रयोग है। यह परिणामों को विभिन्न BSM परिकल्पनाओं के तहत पुनर्व्याख्या (reinterpretation) करने की अनुमति देता है बिना पूरे विश्लेषण को दोबारा चलाए।
डिफरेंशियल मेजरमेंट: $\Delta\Phi_{jj}$ के फलन के रूप में $H \to WW$ के पहले मॉडल-स्वतंत्र विभेदक क्रॉस-सेक्शन मापन प्रदान करता है, जो VBF और ggH दोनों उत्पादन तंत्रों को कवर करता है।
SMEFT बाधाएं (Constraints): परिणामों की पुनर्व्याख्या वारसा बेसिस (Warsaw basis) में डायमेंशन-6 ऑपरेटर्स के लिए विल्सन गुणांकों (Wilson coefficients) को प्रतिबंधित करने के लिए SMEFT ढांचे के भीतर की गई है।

4. परिणाम (Results)

विभेदक क्रॉस-सेक्शन (Differential Cross-Sections)

$\Delta\Phi_{jj}$ ( $-\pi$ से $\pi$ ) के चार बिनों में विभेदक क्रॉस-सेक्शन को मापा गया था।
महत्व (Significance): VBF सिग्नल को बिनों में 1.2 से 3.9 मानक विचलन ( $\sigma$ ) की सीमा में देखा गया। सांख्यिकीय उतार-चढ़ाव और बैकग्राउंड प्रभुत्व के कारण ggH सिग्नल ने कुछ बिनों में कम महत्व दिखाया।
विषमता (Asymmetry): $\Delta\Phi_{jj}$ विषमता ( $A$ ) को $-0.43^{+0.27}_{-0.32}$ मापा गया। यह SM भविष्यवाणी ( $A=0$ ) के संगत है जिसका p-वैल्यू 11% है, जो इस डेटासेट में CP-उल्लंघन के किसी महत्वपूर्ण प्रमाण की कमी को दर्शाता है।

SMEFT बाधाएं (SMEFT Constraints)

मापन का उपयोग वारसा बेसिस में विल्सन गुणांकों ( $c_i$ ) को प्रतिबंधित करने के लिए किया गया था:

VBF बाधाएं: सबसे सख्त बाधाएं CP-सम गुणांकों $c_{HW}$ और $c_{Hj3}$ के लिए प्राप्त हुईं।
ggH बाधाएं: सबसे सख्त बाधा CP-सम गुणांक $c_{HG}$ के लिए पाई गई।
CP-विषम गुणांक: CP-विषम गुणांकों (जैसे, $c_{\tilde{H}B}$ ) पर प्रतिबंधों ने "फ्लोट अदर" परिदृश्य में थोड़ा अधिक (2 $\sigma$ ) दिखाई, लेकिन यह सांख्यिकीय उतार-चढ़ाव और 2D बाधाओं के अनुरूप है।
समग्र निरंतरता: सभी मापे गए विल्सन गुणांक 68% और 95% विश्वास स्तर के भीतर SM अपेक्षा (शून्य) के अनुरूप हैं।

मॉडल निर्भरता मूल्यांकन (Model Dependence Assessment)

अध्ययन ने मापन की मॉडल निर्भरता को मापा। बिना ADNN के, मॉडल निर्भरता 20% से 70% तक हो सकती थी।
एडवर्सरियल दृष्टिकोण ने मॉडल निर्भरता को 30-70% तक कम कर दिया, जिससे अवशिष्ट निर्भरता मुख्य रूप से एक्सेप्टेंस प्रभावों के कारण रह गई, जो कुल सांख्यिकीय अनिश्चितता से कम है।

5. महत्व (Significance)

यह शोध पत्र विशिष्ट सैद्धांतिक धारणाओं से मापन को अलग करके हिग्स भौतिकी के सटीक मापन की दिशा में एक बड़ा कदम है।

मजबूती (Robustness): ADNN का उपयोग करके, CMS सहयोग यह सुनिश्चित करता है कि उनके विभेदक क्रॉस-सेक्शन मापन वैध बने रहें, भले ही हिग्स बोसोन की प्रकृति प्रशिक्षण के दौरान मॉडल किए गए SM से भिन्न हो।
भविष्य के लिए तैयारी (Future Proofing): मॉडल-अग्नोस्टिक परिणाम नए BSM सिद्धांतों के उभरने पर, कच्चे डेटा का पुन: विश्लेषण किए बिना, तत्काल पुनर्व्याख्या की अनुमति देते हैं।
CP संवेदनशीलता: $\Delta\Phi_{jj}$ वितरण का मापन हिग्स क्षेत्र में CP गुणों के लिए एक सीधा प्रोब प्रदान करता है। वर्तमान परिणाम CP-उल्लंघन प्रभावों को प्रतिबंधित करते हैं, हालांकि छोटे विचलन को निर्णायक रूप से खारिज करने या खोजने के लिए उच्च ल्यूमिनोसिटी (Run 3 और HL-LHC) की आवश्यकता होगी।

संक्षेप में, यह विश्लेषण हिग्स बोसोन के गुणों को मापने के लिए एक मजबूत, मॉडल-स्वतंत्र कार्यप्रणाली को सफलतापूर्वक प्रदर्शित करता है, जो विसंगत कपलिंग के लिए नई सीमाएं निर्धारित करता है और नई भौतिकी की खोज के लिए भविष्य के सटीक मापन हेतु एक टेम्पलेट प्रदान करता है।