⚛️ high-energy experiments

Search for Z' bosons decaying into charginos in final states with two oppositely charged leptons and missing transverse momentum in pp collisions at $\sqrt{s}$ = 13 TeV

13 TeV पर 138 fb $^{-1}$ प्रोटॉन-प्रोटॉन टक्कर डेटा का उपयोग करते हुए, CMS प्रयोग ने दो विपरीत आवेशित लेप्टॉन और लुप्त ट्रांसवर्स मोमेंटम (missing transverse momentum) वाले अंतिम अवस्थाओं में चार्जिनो में क्षय होने वाले विशाल लेप्टोफोबिक Z' बोसनों की खोज की, जिसमें नए भौतिकी का कोई प्रमाण नहीं मिला और ऊपरी सीमाएं निर्धारित की गईं जो लगभग 3.5 TeV तक के Z' बोसॉन द्रव्यमान को वर्जित करती हैं।

मूल लेखक: CMS Collaboration

प्रकाशित 2026-03-12

📖 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

कल्पना कीजिए कि CERN में स्थित लार्ज हैड्रॉन कोलाइडर (LHC) दुनिया का सबसे शक्तिशाली कणों को टकराने वाला यंत्र (particle smasher) है। यह प्रोटॉन की दो किरणों को लगभग प्रकाश की गति से टकराता है, जिससे ऊर्जा का एक अराजक विस्फोट होता है जो थोड़े समय के लिए बिग बैंग जैसी स्थितियों को फिर से उत्पन्न करता है।

यह शोध पत्र CMS प्रयोग (एक विशाल डिटेक्टर जो इस टक्कर पर नज़र रख रहा है) की एक रिपोर्ट है, और यह अनिवार्य रूप से एक ब्रह्मांडीय खजाने की खोज (cosmic treasure hunt) है। वैज्ञानिक मलबे में छिपे एक विशिष्ट, मायावी प्रकार के "सोने" की तलाश कर रहे हैं: एक भारी, अदृश्य कण जिसे $Z'$ बोसॉन कहा जाता है।

यहाँ इस खोज की कहानी है, जिसे सरल अवधारणाओं में विभाजित किया गया है:

1. लक्ष्य: "भूतिया" कण ( $Z'$ )

भौतिकविदों के पास एक सिद्धांत है जिसे स्टैंडर्ड मॉडल (Standard Model) कहा जाता है, जो इस बात की तरह है कि ब्रह्मांड कैसे काम करता है। लेकिन उन्हें संदेह है कि इसमें कुछ पन्ने गायब हैं। एक विचार यह है कि एक नया, भारी बल-वाहक कण जिसे $Z'$ बोसॉन कहा जाता है, मौजूद है।

ट्विस्ट: आमतौर पर, जब वैज्ञानिक नए भारी कणों की तलाश करते हैं, तो वे उम्मीद करते हैं कि वे इलेक्ट्रॉन या म्यूऑन (हल्के, आवेशित कणों) के जोड़ों में टूटेंगे, जिन्हें पहचानना आसान होता है।
चालाकी भरा हिस्सा: यह विशिष्ट शोध पत्र एक "लेप्टोफोबिक" (leptophobic) $Z'$ की तलाश करता है। "लेप्टोफोबिक" का अर्थ है "लेप्टोन से डरने वाला।" यह कण इलेक्ट्रॉन या म्यूऑन में टूटने से नफरत करता है। इसके बजाय, यह चार्जिनोस (charginos) में टूटना पसंद करता है।

2. संदिग्ध: चार्जिनोस और न्यूट्रालिनोस

यदि $Z'$ मास्टरमाइंड है, तो चार्जिनोस उसके गुर्गे (henchmen) हैं।

चार्जिनो (The Chargino): एक भारी, आवेशित कण जो इलेक्ट्रॉन का चचेरा भाई है लेकिन बहुत भारी है।
न्यूट्रालिनो (The Neutralino): एक स्थिर, अदृश्य कण जो डार्क मैटर (वह अदृश्य पदार्थ जो आकाशगंगाओं को थामे रखता है) का एक प्रमुख उम्मीदवार है।

श्रृंखला अभिक्रिया (The Chain Reaction):

टक्कर के दौरान $Z'$ बोसॉन उत्पन्न होता है।
यह तुरंत दो चार्जिनोस में विभाजित हो जाता है।
प्रत्येक चार्जिनो तुरंत एक W बोसॉन (जो एक दृश्य इलेक्ट्रॉन या म्यूऑन में बदल जाता है) और एक न्यूट्रालिनो में टूट जाता है।
न्यूट्रालिनो अदृश्य है। यह बिना कोई निशान छोड़े डिटेक्टर से बाहर निकल जाता है, और अपने साथ ऊर्जा भी ले जाता है।

पहचान (The Signature):
चूंकि न्यूट्रालिनो बाहर निकल जाते हैं, इसलिए डिटेक्टर "गायब" ऊर्जा की एक मात्रा देखता है। इसलिए, वैज्ञानिक एक बहुत ही विशिष्ट अपराध स्थल की तलाश कर रहे हैं:

दो दृश्य संदिग्ध: दो विपरीत आवेशित कण (जैसे एक इलेक्ट्रॉन और एक पॉज़िट्रॉन, या एक म्यूऑन और एक एंटी-म्यूऑन) बाहर की ओर उड़ रहे हैं।
एक लापता हिस्सा: "मिसिंग ट्रांसवर्स मोमेंटम" (गायब हुई ऊर्जा) की एक विशाल मात्रा।

3. जासूसी का काम: "पैरामीट्राइज्ड न्यूरल नेटवर्क" (Parametrized Neural Network)

समस्या यह है कि बैकग्राउंड शोर बहुत अधिक है। हर सेकंड, LHC ऐसी अरबों टक्करें पैदा करता है जो संकेत (signal) के लगभग समान दिखती हैं (जैसे टॉप क्वार्क का टूटना)। यह एक घास के ढेर में एक विशिष्ट सुई खोजने जैसा है, लेकिन वह घास का ढेर लाखों अन्य सुइयों से बना है जो 99% समान दिखती हैं।

इसे हल करने के लिए, टीम ने केवल एक साधारण पैमाने का उपयोग नहीं किया। उन्होंने एक सुपर-स्मार्ट AI जासूस बनाया जिसे पैरामीट्राइज्ड न्यूरल नेटवर्क (PNN) कहा जाता है।

यह कैसे काम करता है: कल्पना कीजिए कि एक मानव जासूस को हर संदिग्ध की ऊंचाई और वजन के लिए एक नया मामला सीखना पड़ता है। इसमें बहुत समय लगेगा।
PNN का लाभ: यह AI किसी विशिष्ट मामले के बजाय "अपराध के पैटर्न" को सीखने के लिए प्रशिक्षित है। यह $Z'$ के द्रव्यमान और चार्जिनो के द्रव्यमान को "इनपुट" (जैसे कि जासूस को बताना, "ऐसे संदिग्ध को खोजें जिसकी ऊंचाई 2 मीटर हो") के रूप में लेता है। यह कणों के कोणों, गति और गायब ऊर्जा के बीच के संबंधों को सीखता है।
परिणाम: यह लाखों टक्करों को स्कैन कर सकता है और कह सकता है, "यह घटना 95% हमारे विशिष्ट $Z'$ परिदृश्य जैसी है," भले ही उस $Z'$ का द्रव्यमान थोड़ा अलग हो जिसके लिए इसे प्रशिक्षित किया गया था।

4. निर्णय: "नया सोना नहीं मिला (अभी तक)"

टीम ने 2016, 2017 और 2018 के डेटा का विश्लेषण किया, जो टक्करों की एक विशाल मात्रा (138 "इनवर्स फेम्टोबार्न"—एक इकाई जो टक्करों की एक विशाल संख्या को दर्शाती है) को कवर करता है।

परिणाम: उन्होंने डेटा का विश्लेषण किया, इसे अपने AI के माध्यम से चलाया, और इसकी तुलना स्टैंडर्ड मॉडल के अनुमानों से की।
निष्कर्ष: सब कुछ स्टैंडर्ड मॉडल से मेल खाता है। उन्हें $Z'$ बोसॉन या चार्जिनोस का कोई प्रमाण नहीं मिला।
सकारात्मक पक्ष: भले ही उन्हें वह कण नहीं मिला, लेकिन उन्होंने कुछ मूल्यवान सीखा। अब वे 95% विश्वास के साथ कह सकते हैं: "यदि यह $Z'$ बोसॉन मौजूद है, तो यह 3.5 TeV (प्रोटॉन के द्रव्यमान से लगभग 3,500 गुना अधिक) से भारी होना चाहिए।"

निचोड़ (The Bottom Line)

इस शोध पत्र को एक "नेगेटिव सर्च वारंट" के रूप में सोचें। वैज्ञानिक एक बहुत ही विशिष्ट मानचित्र और एक हाई-टेक मेटल डिटेक्टर के साथ जंगल में गए थे। उन्हें खजाना नहीं मिला, लेकिन उन्होंने सफलतापूर्वक यह साबित कर दिया कि खजाना जंगल के पहले 3.5 किलोमीटर में कहीं भी दफन नहीं है।

यह अगली पीढ़ी के भौतिकविदों के लिए खोज को सीमित कर देता है। अब वे जानते हैं कि कहाँ नहीं देखना है, जिससे वे अपना ध्यान भविष्य में और भी भारी, अधिक मायावी कणों पर केंद्रित कर सकें। "भूतिया" कण की खोज जारी है!

यहाँ CMS पेपर CMS-SUS-23-006 का विस्तृत तकनीकी सारांश दिया गया है, जिसका शीर्षक है " $\sqrt{s} = 13$ TeV पर $pp $टकरावों में दो विपरीत आवेशित लेप्टॉन और मिसिंग ट्रांसवर्स मोमेंटम वाले अंतिम अवस्थाओं में चार्गिनो में क्षय होने वाले$ Z'$ बोसोन की खोज।"

1. समस्या और भौतिक प्रेरणा (Problem and Physics Motivation)

यह खोज एक विशिष्ट 'बियॉन्ड द स्टैंडर्ड मॉडल' (BSM) परिदृश्य को लक्षित करती है जिसमें लेप्टोफोबिक $Z'$ बोसोन शामिल हैं, जो $U(1)'$ -विस्तारित मिनिमल सुपरसिमेट्रिक स्टैंडर्ड मॉडल (UMSSM) के भीतर स्थित हैं।

सैद्धांतिक संदर्भ: UMSSM, जो $E_6$ ग्रैंड यूनिफाइड थ्योरी से व्युत्पन्न है, एक अतिरिक्त गेज बोसोन ( $Z'$ ) पेश करता है। विशिष्ट चार्ज परिदृश्यों में, यह $Z'$ "लेप्टोफोबिक" होता है, जिसका अर्थ है कि इसके मानक मॉडल (SM) लेप्टॉन्स में क्षय होने की दर बहुत कम (suppressed) है। यह इसे पारंपरिक डाइलप्टन रेजोनेंस खोजों ( $Z' \to \ell^+\ell^-$ ) से कड़े प्रतिबंधों से बचने की अनुमति देता है।
सिग्नल प्रक्रिया: SM कणों में क्षय होने के बजाय, $Z'$ चार्गिनों ( $\tilde{\chi}^\pm_1$ ) के जोड़े में क्षय होता है। ये चार्गिनों तत्पश्चात एक $W$ बोसॉन और लाइटएस्ट न्यूट्रालिनो ( $\tilde{\chi}^0_1$ , डार्क मैटर का उम्मीदवार) में क्षय होते हैं। $W$ बोसॉन का लेप्टोनिक क्षय होता है।
अंतिम अवस्था हस्ताक्षर (Final State Signature): प्रक्रिया $pp \to Z' \to \tilde{\chi}^+_1 \tilde{\chi}^-_1 \to (W^+ \tilde{\chi}^0_1) (W^- \tilde{\chi}^0_1) \to \ell^+ \nu \tilde{\chi}^0_1 \ell^- \nu \tilde{\chi}^0_1$ $pp \to Z^{'} \to \tilde{χ}_{1}^{+} \tilde{χ}_{1}^{-} \to (W^{+} \tilde{χ}_{1}^{0}) (W^{-} \tilde{χ}_{1}^{0}) \to ℓ^{+} ν \tilde{χ}_{1}^{0} ℓ^{-} ν \tilde{χ}_{1}^{0}$ के परिणामस्वरूप प्राप्त होता है:
- दो विपरीत आवेशित उच्च-मोमेंटम लेप्टॉन ( $e^\pm, \mu^\pm$ )।
- न्यूट्रिनो और न्यूट्रालिनो के कारण महत्वपूर्ण मिसिंग ट्रांसवर्स मोमेंटम ( $p^{\text{miss}}_T$ )।
पिछली खोजों में अंतराल: पिछली $Z'$ खोजों ने डाइलप्टन रेजोनेंस (जहाँ $p^{\text{miss}}_T$ को अनदेखा किया जाता था) पर ध्यान केंद्रित किया, जबकि प्रत्यक्ष चार्गिनो खोजों ने सीधे उत्पादन (भारी जनक $Z'$ के गतिज प्रतिबंधों को अनदेखा करते हुए) को माना। यह विश्लेषण उस अंतराल को भरता है।

2. कार्यप्रणाली (Methodology)

डेटा और सिमुलेशन (Data and Simulation)

डेटासेट: 2016, 2017 और 2018 में CMS प्रयोग द्वारा $\sqrt{s} = 13$ TeV पर एकत्र किया गया प्रोटॉन-प्रोटॉन टकराव डेटा।
एकीकृत ल्यूमिनोसिटी (Integrated Luminosity): $138 \text{ fb}^{-1}$ ।
सिग्नल जनरेशन: MADGRAPH5_aMC@NLO का उपयोग करके लीडिंग ऑर्डर (LO) पर जनरेट किया गया। $Z'$ और चार्गिनो द्रव्यमान का स्कैन किया गया ( $m_{Z'}$ : 1.7–4.1 TeV; $m_{\tilde{\chi}^\pm_1}$ : 345–1845 GeV)। न्यूट्रालिनो द्रव्यमान को चार्गिनो के आधे द्रव्यमान पर स्थिर रखा गया ( $m_{\tilde{\chi}^0_1} = 0.5 m_{\tilde{\chi}^\pm_1}$ )।
बैकग्राउंड सिमुलेशन: SM बैकग्राउंड ( $t\bar{t}$ , सिंगल टॉप, $WZ$, $ZZ$, $WW$, ड्रेल्सन-यान, आदि) को POWHEG (NLO) और MADGRAPH5_aMC@NLO (NLO) का उपयोग करके सिम्युलेट किया गया था, जिसे पार्टोन शावरिंग और हैड्रोनाइजेशन के लिए PYTHIA 8 के साथ इंटरफेस किया गया था।

ऑब्जेक्ट रिकंस्ट्रक्शन और सिलेक्शन (Object Reconstruction and Selection)

लेप्टॉन्स: इलेक्ट्रॉन और म्यूऑन जिनका $p_T > 25$ GeV और $|\eta| < 2.5$ (ट्रांजिशन क्षेत्रों को छोड़कर) है।
इवेंट सिलेक्शन मानदंड:
- ठीक दो विपरीत आवेशित लेप्टॉन ( $e^+e^-$ , $\mu^+\mu^-$ , या $e^\pm\mu^\mp$ )।
- लीडिंग लेप्टॉन $p_T > 80$ GeV; ट्रेलिंग लेप्टॉन $p_T > 40$ GeV।
- डाइलप्टन इनवेरिएंट मास $m_{\ell\ell} > 100$ GeV (ऑन-शेल $Z$ बोसॉन को दबाने के लिए)।
- मिसिंग ट्रांसवर्स मोमेंटम $p^{\text{miss}}_T > 100$ GeV।
- वीटो (Veto): $t\bar{t}$ बैकग्राउंड को दबाने के लिए $b$ -टैग्ड जेट्स वाले इवेंट्स को खारिज कर दिया जाता है।

मल्टीवेरिएट एनालिसिस (पैरामीट्रिक न्यूरल नेटवर्क)

सिग्नल को अपरिहार्य बैकग्राउंड (मुख्य रूप से $t\bar{t}$ , $WW $, और$ tW$) से अलग करने के लिए, यह विश्लेषण एक पैरामीट्रिक न्यूरल नेटवर्क (PNN) का उपयोग करता है।

नवाचार: मानक NN के विपरीत, जो निश्चित द्रव्यमान बिंदुओं पर प्रशिक्षित होते हैं, PNN प्रशिक्षण के दौरान सिग्नल मॉडल पैरामीटर ( $m_{Z'}$ और $m_{\tilde{\chi}^\pm_1}$ ) को इनपुट के रूप में शामिल करता है। यह एक ही मॉडल को पूरे द्रव्यमान ग्रिड पर लागू करने की अनुमति देता है, जिससे प्रत्येक द्रव्यमान बिंदु के लिए पुन: प्रशिक्षण की आवश्यकता नहीं होती।
इनपुट वेरिएबल्स:
- काइनेटिक (Kinematic): लीडिंग/ट्रेलिंग लेप्टॉन्स का $p_T$ , $m_{\ell\ell}$ , $p^{\text{miss}}_T$ ।
- व्युत्पन्न (Derived): ट्रांसवर्स मास ( $m_T$ ), स्ट्रान्स-ट्रांसवर्स मास ( $M_{T2}$ ), मोमेंटा के वेक्टर योग।
- कोणीय (Angular): लेप्टॉन्स और $p^{\text{miss}}_T$ के बीच $\Delta\phi$ और $\Delta R$ ।
प्रशिक्षण रणनीति: PNN को आधे सिम्युलेटेड इवेंट्स (सिग्नल + बैकग्राउंड) पर प्रशिक्षित किया जाता है और दूसरे आधे हिस्से पर मान्य (validate) किया जाता है। प्रशिक्षण प्रत्येक खोज चैनल ($ee$, $\mu\mu$ , $e\mu$ ) के लिए स्वतंत्र रूप से किया जाता है।

सांख्यिकीय व्याख्या (Statistical Interpretation)

कंट्रोल रीजन (CRs): बैकग्राउंड नॉर्मलाइजेशन को नियंत्रित करने के लिए तीन CRs को परिभाषित किया गया है:
- $t\bar{t}$ CR: $\ge 1$ $b$ -जेट की आवश्यकता।
- $WW$ CR: $40 < m_{\ell\ell} < 100$ GeV की आवश्यकता (केवल $e\mu$ चैनल में)।
- DY CR: $30 < p^{\text{miss}}_T < 100$ GeV की आवश्यकता (केवल $ee $और$ \mu\mu$ चैनलों में)।
फिट (Fit): सिग्नल रीजन (SR) और CRs में PNN स्कोर डिस्ट्रीब्यूशन पर एक बिन्ड लाइक्लीहुड फिट (binned likelihood fit) एक साथ किया जाता है। व्यवस्थित अनिश्चितताओं (ल्यूमिनोसिटी, JES, $b$ -टैगिंग, PDFs, आदि) को नुआंस पैरामीटर्स (nuisance parameters) के रूप में माना जाता है।
सीमाएँ (Limits): CLs विधि का उपयोग करके 95% विश्वास स्तर (Confidence Level) पर उत्पादन क्रॉस-सेक्शन की ऊपरी सीमाएं निर्धारित की जाती हैं।

3. मुख्य योगदान (Key Contributions)

इस प्रकार की पहली खोज: यह विशेष रूप से डाइलप्टन + $p^{\text{miss}}_T$ चैनल में क्षय होने वाले लेप्टोफोबिक $Z'$ बोसनों को लक्षित करने वाली पहली LHC खोज है।
पैरामीट्रिक न्यूरल नेटवर्क: उच्च-ऊर्जा भौतिकी में PNN के प्रभावी उपयोग को प्रदर्शित करता है, जो एक एकल, लचीले मॉडल के माध्यम से बड़े पैरामीटर स्पेस (द्रव्यमान ग्रिड) को स्कैन करने की अनुमति देता है, जिससे हर द्रव्यमान बिंदु के लिए अलग नेटवर्क प्रशिक्षित करने की कम्प्यूटेशनल लागत बचती है।
व्यापक बैकग्राउंड नियंत्रण: सिग्नल-समृद्ध क्षेत्र में SM बैकग्राउंड को मजबूती से नियंत्रित करने के लिए समर्पित कंट्रोल रीजन के साथ एक मल्टी-चैनल दृष्टिकोण का उपयोग करता है।

4. परिणाम (Results)

अवलोकन (Observation): सिग्नल रीजन में मापे गए डेटा वितरण स्टैंडर्ड मॉडल की अपेक्षाओं के अनुरूप हैं। कोई महत्वपूर्ण अतिरिक्त (excess) नहीं देखा गया।
- सिग्नल-समान बिन में $\mu^+\mu^-$ चैनल में एक हल्का अतिरिक्त (2–3 $\sigma$ लोकल सिग्निफिकेंस) देखा गया, लेकिन यह खोज का दावा करने के लिए सांख्यिकीय रूप से पर्याप्त महत्वपूर्ण नहीं है।
- $e^\pm\mu^\mp$ चैनल में एक हल्का घाटा (deficit) देखा गया।
एक्सक्लूजन लिमिट्स (Exclusion Limits):
- क्रॉस-सेक्शन सीमाएं: $m_{Z'}$ और $m_{\tilde{\chi}^\pm_1}$ के फलन (function) के रूप में $\sigma(pp \to Z') \times \text{BR}(Z' \to \tilde{\chi}^+_1 \tilde{\chi}^-_1)$ की ऊपरी सीमाएं निर्धारित की गईं।
- द्रव्यमान बहिष्करण (Mass Exclusions):
  - $m_{\tilde{\chi}^\pm_1} \approx 1.8$ TeV के चार्गिनो द्रव्यमान के लिए, 3.5 TeV तक के $Z'$ बोसॉन द्रव्यमान को बाहर (exclude) कर दिया गया है।
  - यदि $Z'$ द्रव्यमान 2.9 TeV मान लिया जाए जो विशेष रूप से चार्गिनों में क्षय होता है, तो 400–1400 GeV की रेंज में चार्गिनो द्रव्यमान को बाहर किया गया है।
- संवेदनशीलता (Sensitivity) मुख्य रूप से $e^\pm\mu^\mp$ चैनल द्वारा संचालित होती है क्योंकि इसमें उच्च सिग्नल और बैकग्राउंड यील्ड है।

5. महत्व (Significance)

यह विश्लेषण LHC में SUSY और $Z'$ खोजों के दायरे को महत्वपूर्ण रूप से बढ़ाता है। "लेप्टोफोबिक" परिदृश्य को लक्षित करके, यह पैरामीटर स्पेस के उस क्षेत्र की जांच करता है जो पारंपरिक डाइलप्टन रेजोनेंस खोजों के लिए अदृश्य है। PNN तकनीक का सफल अनुप्रयोग भविष्य की उन खोजों के लिए एक मिसाल कायम करता है जिनमें जटिल, मल्टी-पैरामीटर BSM मॉडल शामिल हैं, जहाँ पारंपरिक तरीकों के साथ पूरे मास स्पेस को स्कैन करना कम्प्यूटेशनल रूप से कठिन होता है। परिणाम UMSSM पैरामीटर स्पेस को सीमित करते हैं, जिससे भारी $Z'$ और चार्गिनो द्रव्यमान के विशिष्ट संयोजनों को मल्टी-टेव (multi-TeV) स्केल तक खारिज किया जाता है।

1. लक्ष्य: "भूतिया" कण (Z′Z'Z′)