⚛️ high-energy experiments

Search for long-lived particles using displaced vertices with low-momentum tracks in proton-proton collisions at $\sqrt{s}$ = 13 TeV

CMS प्रयोग के 13 TeV प्रोटॉन-प्रोटॉन टक्कर डेटा के 100 fb $^{-1}$ का उपयोग करते हुए, यह अध्ययन कम-संवेग वाले ट्रैक्स वाले विस्थापित शीर्षों (displaced vertices) के माध्यम से दीर्घकालिक कणों (long-lived particles) की खोज प्रस्तुत करता है, जो विशिष्ट सुपरसिमेट्रिक सह-अनन्यता (coannihilation) परिदृश्यों में टॉप स्क्वार्क और विनो-जैसे न्यूट्रालिनो द्रव्यमानों पर अब तक की सबसे कड़ेतम सीमाएं निर्धारित करता है।

मूल लेखक: CMS Collaboration

प्रकाशित 2026-05-29

📖 5 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

एक बड़ी तस्वीर: "भूतिया" कणों की खोज

कल्पना कीजिए कि CERN में लार्ज हैड्रॉन कोलाइडर (LHC) एक विशाल, हाई-स्पीड कार क्रैश ज़ोन है। वैज्ञानिक अविश्वसनीय गति से प्रोटॉन को आपस में टकराते हैं ताकि यह देख सकें कि कौन से सूक्ष्म टुकड़े बाहर निकलते हैं। आमतौर पर, ये टुकड़े (कण) डिटेक्टरों के माध्यम से तुरंत निकल जाते हैं, जैसे कि दीवार से होकर गुजरती हुई एक गोली।

हालाँकि, कुछ सिद्धांत सुझाव देते हैं कि कुछ नए, रहस्यमय कण "भूतिया" हो सकते हैं। तुरंत गायब होने के बजाय, वे कुछ दूरी तक—जैसे कि कुछ सेंटीमीटर—यात्रा कर सकते हैं और फिर अंततः अन्य चीजों में टूट (decay) सकते हैं। इन्हें लॉन्ग-लिव्ड पार्टिकल्स (LLPs) कहा जाता है।

यह पेपर CMS प्रयोग (LHC में से एक विशाल डिटेक्टर) द्वारा की गई एक नई खोज का वर्णन करता है, जो विशेष रूप से इन "भूतों" की तलाश कर रहा है जो एक छोटी दूरी तय करते हैं और फिर कम ऊर्जा वाले मलबे का निशान छोड़ देते हैं।

विशिष्ट लक्ष्य: "कंप्रेस्ड" परिदृश्य (The "Compressed" Scenario)

वैज्ञानिक एक बहुत ही विशिष्ट, पेचीदा स्थिति की तलाश कर रहे हैं जिसे "कंप्रेस्ड स्पेक्ट्रम" कहा जाता है।

उपमा (Analogy): दो धावकों की कल्पना करें, एक भारी (नया कण) और एक हल्का (अदृश्य डार्क मैटर कण)। आमतौर पर, यदि भारी धावक कुछ गिराता है, तो वह एक बड़े धमाके के साथ गिरता है। लेकिन इस परिदृश्य में, भारी धावक केवल थोड़ा ही भारी है (25 GeV से कम का अंतर)।
परिणाम: क्योंकि वे वजन में इतने करीब हैं, भारी धावक के पास त्यागने के लिए बहुत अधिक ऊर्जा नहीं होती है। इसके द्वारा छोड़ा गया "मलबा" बहुत धीरे चलता है (कम मोमेंटम)।
समस्या: पिछली खोजएं बड़े छेदों वाली जाल की तरह थीं; वे इन धीमी गति वाले, कम ऊर्जा वाले कणों को मिस कर गईं क्योंकि वे तेज़, उच्च ऊर्जा वाले कणों को पकड़ने के लिए डिज़ाइन की गई थीं। यह नई खोज इन धीमी, कम-मोमेंटम वाली ट्रैक्स को पकड़ने के लिए एक "बारीक जाली वाले जाल" का उपयोग करती है।

जासूसी का काम: उन्होंने उन्हें कैसे पाया

यह खोज डेटा में एक बहुत ही विशिष्ट सिग्नेचर की तलाश करती है, जिसे पेपर में "डिस्प्लेस्ड वर्टेक्स" (displaced vertex) कहा गया है।

सेटअप: टकराव होता है, और एक भारी कण बनता है।
यात्रा: टकराव स्थल पर तुरंत टूटने के बजाय, यह कण कुछ मिलीमीटर या सेंटीमीटर दूर यात्रा करता है।
विस्फोट: यह कुछ आवेशित कणों (ट्रैक्स) और एक अदृश्य कण (डार्क मैटर उम्मीदवार) में टूट जाता है।
सुराग:
- डिस्प्लेस्ड वर्टेक्स (Displaced Vertex): आवेशित ट्रैक टकराव के केंद्र से शुरू नहीं होते; वे दुर्घटना स्थल से कुछ कदम दूर शुरू होते हैं। यह कमरे के बीच में पैरों के निशान मिलने जैसा है, न कि दरवाजे पर।
- रिकोइल (The Recoil): ऊर्जा को संतुलित करने के लिए, आमतौर पर शुरुआती टकराव से एक "धक्का" (Initial State Radiation jet) होता है जो भारी कण को दूर धकेलता है।
- लुप्त ऊर्जा (Missing Energy): अदृश्य कण बिना पता चले उड़ जाता है, जिससे ऊर्जा संतुलन में एक अंतर (Missing Transverse Momentum) पैदा होता है।

रणनीति: गिनने का एक नया तरीका

यह पेपर एक चतुर सांख्यिकीय विधि पेश करता है जिससे यह अनुमान लगाया जा सके कि कितने "बैकग्राउंड" इवेंट्स (गलत अलार्म) हैं, बिना उन कंप्यूटर सिमुलेशन पर निर्भर हुए जो गलत हो सकते हैं।

उपमा: कल्पना कीजिए कि आप एक स्टेडियम में कितने लोग लाल टोपी पहने हुए हैं, यह गिनने की कोशिश कर रहे हैं, लेकिन आप उन सभी को देख नहीं सकते। पूरी तरह से अनुमान लगाने के बजाय, आप एक ऐसे सेक्शन में नीली टोपियाँ गिनते हैं जिसे आप स्पष्ट रूप से देख सकते हैं। फिर, आप पूरे स्टेडियम में कितने लाल टोपियाँ होनी चाहिए, इसका अनुमान लगाने के लिए एक "ट्रांसफर फैक्टर" (एक ज्ञात अनुपात) का उपयोग करते हैं।
पेपर में: वे डेटा को इस आधार पर अलग-अलग "प्लेन" में विभाजित करते हैं कि वे कितने अच्छे ट्रैक देखते हैं। वे आसानी से दिखने वाले इवेंट्स (कंट्रोल रीजन) को गिनते हैं और गणितीय अनुपातों का उपयोग करते हैं ताकि यह भविष्यवाणी की जा सके कि यदि कोई नई भौतिकी नहीं होती, तो कितने कठिन-से-देखने वाले इवेंट्स (सिग्नल रीजन) होने चाहिए। फिर वे इस भविष्यवाणी की तुलना वास्तविक देखे गए डेटा से करते हैं।

परिणाम: उन्हें क्या मिला?

2017 और 2018 के डेटा (100 "इनवर्स फेम्टोबार्न" डेटा, जो टकरावों की एक विशाल मात्रा है) का विश्लेषण करने के बाद:

कोई भूत नहीं मिला: उन्होंने जितने इवेंट्स देखे, वे सामान्य बैकग्राउंड शोर की भविष्यवाणी से बिल्कुल मेल खाते हैं। इन नए लॉन्ग-लिव्ड पार्टिकल्स का कोई "स्मोकिंग गन" (ठोस सबूत) नहीं मिला।
सीमाएं निर्धारित करना (Setting Limits): भले ही उन्हें कण नहीं मिले, लेकिन उन्होंने सफलतापूर्वक उन जगहों को खारिज कर दिया जहाँ वे छिप सकते थे।
- उन्होंने टॉप स्क्वार्क (सुपरसिमेट्रिक कणों का एक प्रकार) के द्रव्यमान 400 और 1100 GeV के बीच होने की संभावना को खारिज कर दिया।
- उन्होंने विनो-लाइक न्यूट्रालिनो (एक अन्य प्रकार) के द्रव्यमान 220 और 550 GeV के बीच होने की संभावना को भी खारिज कर दिया।
उपलब्धि: यह इन विशिष्ट "कंप्रेस्ड" परिदृश्यों के लिए अब तक की सबसे संवेदनशील खोज है। यह सख्त नियम निर्धारित करती है कि ये कण कहाँ नहीं हो सकते।

सारांश

इस पेपर को ब्रह्मांड के एक विशिष्ट, कठिन कोने में अब तक के सबसे गहन "भूत शिकार" के रूप में देखें। शिकारियों ने धीमी गति से चलने वाले, कम ऊर्जा वाले कणों को पकड़ने के लिए एक नए, बारीक जाल का उपयोग किया जिन्हें पिछले जाल मिस कर गए थे। उन्हें कोई भूत नहीं मिला, लेकिन उन्होंने सफलतापूर्वक यह साबित किया कि यदि ये भूत मौजूद हैं, तो वे उस विशिष्ट द्रव्यमान सीमा में नहीं छिपे हैं जिसकी उन्होंने अभी खोज की है। यह भविष्य के खोजकर्ताओं के लिए मानचित्र को सीमित करता है।

तकनीकी सारांश: कम-संवेग वाले विस्थापित वर्टेक्स (Displaced Vertices) के माध्यम से दीर्घायु कणों (Long-Lived Particles) की खोज

समस्या और प्रेरणा
मानक मॉडल (Standard Model - SM) से परे कई सिद्धांत ऐसे दीर्घायु कणों (LLPs) के अस्तित्व की भविष्यवाणी करते हैं जिनका औसत विशिष्ट जीवनकाल (mean proper lifetime) $\sim 0.1$ ps से अधिक होता है। विशिष्ट सुपरसिमेट्रिक (SUSY) परिदृश्यों में, जैसे कि टॉप स्क्वार्क ( $\tilde{t}$ ) नेक्स्ट-टू-लाइटेस्ट सुपरसिमेट्रिक पार्टिकल (NLSP) और बिनो-विनो (bino-wino) NLSP मॉडल, NLSP और लाइटैस्ट सुपरसिमेट्रिक पार्टिकल (LSP) के बीच द्रव्यमान अंतर ( $\Delta m$ ) कम हो सकता है (25 GeV से कम)। इन "कंप्रेस्ड स्पेक्ट्रा" (compressed spectrum) परिदृश्यों में, LLP के क्षय उत्पाद 'सॉफ्ट' होते हैं, जिसके परिणामस्वरूप कम-संवेग (low-momentum) वाले ट्रैक प्राप्त होते हैं। विस्थापित वर्टेक्स का उपयोग करने वाले ATLAS और CMS सहयोगों द्वारा की गई पिछली खोजों में इन विशिष्ट द्रव्यमान-विभाजन क्षेत्रों में कम संवेदनशीलता देखी गई थी, क्योंकि इवेंट और वर्टेक्स चयन मानदंड कम-संवेग वाले ट्रैकों के लिए अनुकूलित नहीं थे। यह विश्लेषण इन विशिष्टताओं को संबोधित करने के उद्देश्य से किया गया है, जो 12–25 GeV की सीमा में $\Delta m$ के साथ क्षय होने वाले LLPs को लक्षित करता है, और कम-संवेग वाले ट्रैकों का कुशलतापूर्वक उपयोग करके संवेदनशीलता को बढ़ाता है।

कार्यप्रणाली (Methodology)
यह खोज 2017 और 2018 के दौरान $\sqrt{s} = 13$ TeV पर CMS प्रयोग द्वारा एकत्र किए गए प्रोटॉन-प्रोटॉन टकराव डेटा का उपयोग करती है, जो 100 fb $^{-1}$ के एकीकृत ल्यूमिनोसिटी (integrated luminosity) के अनुरूप है। विश्लेषण उन अंतिम अवस्थाओं (final states) पर केंद्रित है जिनमें एक विस्थापित वर्टेक्स, उच्च लुप्त ट्रांसवर्स मोमेंटम ( $p^{\text{miss}}_T$ ), और प्रारंभिक-अवस्था विकिरण (initial-state radiation - ISR) से एक जेट शामिल है।

सिग्नल मॉडल: दो बेंचमार्क SUSY सह-अनन्यता (coannihilation) परिदृश्यों पर विचार किया गया है:
1. $\tilde{t}$ NLSP मॉडल: एक दीर्घायु टॉप स्क्वार्क जो बिनो-जैसे न्यूट्रालिनो LSP के टू-बॉडी या फोर-बॉडी चैनलों के माध्यम से क्षय होता है।
2. बिनो-विनो NLSP मॉडल: एक लगभग द्रव्यमान-समान (nearly mass-degenerate) विनो-जैसे न्यूट्रालिनो ( $\tilde{\chi}^0_2$ ) और चार्जिनो ( $\tilde{\chi}^\pm_1$ ), जहाँ $\tilde{\chi}^0_2$ दीर्घायु है और एक ऑफ-शेल $Z$ बोसॉन के माध्यम से क्षय होता है।
डिटेक्टर और पुनर्निर्माण (Reconstruction): यह विश्लेषण 2017–2018 के उन्नत CMS ट्रैकर का लाभ उठाता है, जो कम-संवेग वाले ट्रैकों ( $1 < p_T < 10$ GeV) के लिए बेहतर प्रदर्शन प्रदान करता है। विस्थापित वर्टेक्स का पुनर्निर्माण एडेप्टिव वर्टेक्स फिटर पर आधारित एक अनुकूलित इनक्लूसिव वर्टेक्स फाइंडर (IVF) का उपयोग करके किया जाता है। IVF मापदंडों को बड़े कोणीय पृथक्करण (angular separations) वाले ट्रैकों को समायोजित करने के लिए ट्यून किया गया था, जिससे बड़े ओपनिंग एंगल वाले LLP क्षय के लिए दक्षता बढ़ती है।
इवेंट चयन: इवेंट्स के लिए एक ट्रिगर पास करना आवश्यक है जिसमें $p^{\text{miss}}_T > 120$ GeV हो और ऑफलाइन $p^{\text{miss}}_T > 400$ GeV हो, साथ ही कम से कम एक ISR जेट ( $p_T > 100$ GeV) भी होना चाहिए। बैकग्राउंड को कम करने के लिए लेप्टन और फोटॉन वीटो (veto) लागू किए जाते हैं।
बैकग्राउंड अनुमान: ट्रांसफर फैक्टर्स का उपयोग करके एक नवीन, डेटा-संचालित बैकग्राउंड अनुमान पद्धति नियोजित की गई है। इवेंट्स को "गुड ट्रैक्स" (वे ट्रैक जो सख्त गुणवत्ता और आइसोलेशन मानदंडों को पूरा करते हैं) की संख्या (0, 1, 2, या $\ge 3$ ट्रैक) के आधार पर "प्लेन्स" में वर्गीकृत किया गया है। कम $p^{\text{miss}}_T$ वाले कंट्रोल रीजन (CRs) का उपयोग उच्च $p^{\text{miss}}_T$ और विभिन्न ट्रैक बहुलता वाले सिग्नल रीजन (SRs) में बैकग्राउंड यील्ड (yield) की भविष्यवाणी करने के लिए ट्रांसफर फैक्टर्स प्राप्त करने हेतु किया जाता है। यह दृष्टिकोण बैकग्राउंड मॉडलिंग के लिए सिमुलेशन पर निर्भरता को समाप्त करता है।
सिस्टमैटिक अनिश्चितताएं (Systematic Uncertainties): प्रमुख अनिश्चितताओं में ट्रैक/वर्टेक्स पुनर्निर्माण दक्षता (10–11%) शामिल है, जिसे $K^0_S \to \pi^-\pi^+$ क्षय से प्राप्त किया गया है, और बैकग्राउंड अनुमान सांख्यिकीय अनिश्चितताएं (<2%) शामिल हैं।

प्रमुख योगदान

कंप्रेस्ड स्पेक्ट्रा के लिए अनुकूलन: यह विश्लेषण विशेष रूप से कम-संवेग वाले ट्रैक क्षेत्र ( $p_T < 10$ GeV) और छोटे द्रव्यमान विभाजन ( $\Delta m < 25$ GeV) को लक्षित करता है, जो एक ऐसा क्षेत्र है जिसे विस्थापित वर्टेक्स खोजों द्वारा पहले कम खोजा गया था।
कस्टम वर्टेक्स पुनर्निर्माण: बड़े कोणीय पृथक्करण को स्वीकार करने के लिए IVF एल्गोरिदम की ट्यूनिंग, लंबे क्षय लंबाई (decay length) और विशिष्ट काइनेमैटिक कॉन्फ़िगरेशन वाले LLPs के लिए पुनर्निर्माण दक्षता में महत्वपूर्ण सुधार करती है।
डेटा-संचालित बैकग्राउंड अनुमान: ट्रैक बहुलता और $p^{\text{miss}}_T$ पर आधारित ट्रांसफर फैक्टर पद्धति का कार्यान्वयन, सिमुलेटेड बैकग्राउंड सैंपल्स पर निर्भर किए बिना कई सिग्नल रीजनों में मजबूत बैकग्राउंड भविष्यवाणी की अनुमति देता है।
मटेरियल मैप वीटो: ट्रैकर सामग्री के भीतर परमाणु अंतःक्रियाओं (nuclear interactions) से उत्पन्न होने वाले वर्टेक्स को वीटो करने के लिए एक डेटा-व्युत्पन्न मटेरियल मैप का उपयोग किया जाता है, जो सिग्नल दक्षता बनाए रखते हुए बैकग्राउंड को कम करता है।

परिणाम
विश्लेषण ने सभी खोज क्षेत्रों में बैकग्राउंड-ओनली हाइपोथीसिस से कोई महत्वपूर्ण विचलन नहीं देखा, जिसका संयुक्त $p$ -वैल्यू 0.5 है। फलस्वरूप, बेंचमार्क मॉडलों के लिए 95% विश्वास स्तर (CL) ऊपरी सीमाएं (upper limits) निर्धारित की गईं।

$\tilde{t}$ NLSP मॉडल: टॉप स्क्वार्क के द्रव्यमान को 400–1100 GeV से कम होने के लिए वर्जित (excluded) किया गया है, जो द्रव्यमान अंतर ( $\Delta m$ ) और फोर-बॉडी क्षय के ब्रांचिंग फ्रैक्शन पर निर्भर करता है।
बिनो-विनो NLSP मॉडल: विनो-जैसे न्यूट्रालिनो के द्रव्यमान को 220–550 GeV से कम होने के लिए वर्जित किया गया है, जो $\Delta m$ और प्रॉपर डिके लेंथ ( $c\tau$ ) पर निर्भर करता है।
संवेदनशीलता $c\tau \approx 10$ mm के आसपास इष्टतम है और $\Delta m$ बढ़ने के साथ सुधरती है।

महत्व
यह कार्य कम-संवेग वाले ट्रैकों के साथ विस्थापित-वर्टेक्स हस्ताक्षरों का उपयोग करके कंप्रेस्ड-स्पेक्ट्रम परिदृश्यों में दीर्घायु कणों के प्रति संवेदनशीलता प्रदर्शित करने वाली LHC की पहली खोज है। $\tilde{t}$ और बिनो-विनो NLSP सिग्नल मॉडलों के लिए अब तक की सबसे कड़ी सीमाएं निर्धारित करके, यह विश्लेषण पहले अप्राप्य क्षेत्रों को प्रभावी ढंग से प्रोब करता है। परिणाम विशिष्ट को-एनहेंसियन (coannihilation) परिदृश्यों को सीमित करते हैं जहाँ NLSP और LSP के बीच द्रव्यमान अंतर 25 GeV से कम है, जो ऐसे कंप्रेस्ड स्पेक्ट्रा की भविष्यवाणी करने वाले सैद्धांतिक मॉडलों के लिए महत्वपूर्ण बाधाएं प्रदान करते हैं।