⚛️ high-energy experiments

Measurement of the jet mass in hadronic decays of boosted W bosons at 13 TeV and extraction of the W boson mass

CMS प्रयोग द्वारा एकत्र किए गए 13 TeV प्रोटॉन-प्रोटॉन टकराव के 138 fb $^{-1}$ डेटा का उपयोग करते हुए, यह शोध पत्र 80.83 $\pm$ 0.55 GeV का W बोसॉन द्रव्यमान निकालने के लिए बूस्टेड W+jets घटनाओं के पहले अनफोल्डेड डबल-डिफरेंशियल क्रॉस-सेक्शन मापन प्रस्तुत करता है, जो एक हैड्रॉन कोलाइडर के लिए ऑल-जेट्स फाइनल स्टेट हेतु अब तक की सबसे कम अनिश्चितता प्राप्त करता है।

मूल लेखक: CMS Collaboration

प्रकाशित 2026-03-23

📖 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 आप एक जासूस हैं जो एक विशिष्ट प्रकार की कार (एक W बोसॉन) की पहचान करने की कोशिश कर रहे हैं, जो ट्रैफिक जाम (CERN में प्रोटॉन-प्रोटॉन टकराव) के बीच से बहुत तेज़ गति से गुज़र रही है।

आमतौर पर, जब यह "कार" खराब होती है, तो यह दो छोटे वाहनों (क्वार्क्स) में टूट जाती है जो अलग-अलग दिशाओं में निकल जाते हैं। आप उन्हें दो अलग कारों के रूप में आसानी से देख सकते हैं। लेकिन कभी-कभी, यह "कार" इतनी अविश्वसनीय गति से चल रही होती है कि जब यह टूटती है, तो इसके दो छोटे हिस्से इतने करीब आ जाते हैं कि वे मलबे के एक ही विशाल, बिखरे हुए ढेर (blob) की तरह दिखाई देते हैं।

यह पेपर इस बारे में है कि कैसे CMS टीम (CERN में) उस विशिष्ट "विशाल ढेर" को पहचानने और यह मापने के बारे में सीख रही है कि मूल "कार" वास्तव में कितनी भारी थी, भले ही वह प्रकाश की गति के करीब चल रही हो।

यहाँ बताया गया है कि उन्होंने इसे कैसे किया, जिसे सरल चरणों में विभाजित किया गया है:

1. समस्या: "बिखरा हुआ ढेर" (The Messy Blob)

जब W बोसॉन धीरे चल रहा होता है, तो उसके दो हिस्सों को देखना आसान होता है। लेकिन जब वह "बूस्टेड" (बहुत तेज़) होता है, तो उसके दो हिस्से मिलकर कणों का एक एकल, घना जेट बना लेते हैं।

उपमा: कल्पना कीजिए कि आप मुट्ठी भर कंफेटी (रंगीन कागज़ के टुकड़े) फेंक रहे हैं। यदि आप इसे धीरे से फेंकते हैं, तो टुकड़े फैल जाते हैं। यदि आपके पीछे एक विशाल पंखा चल रहा हो, तो कंफेटी एक सघन, तेज़ चलती हुई गेंद में बदल जाती है।
चुनौती: डिटेक्टर इस कंफेटी की सघन गेंद को देखता है। लेकिन ब्रह्मांड में ऐसे अरबों अन्य "कंफेटी की गेंदें" हैं जो W बोसॉन नहीं हैं; वे टकराव से उत्पन्न होने वाला केवल रैंडम कचरा (क्वार्क्स और ग्लूऑन्स) हैं। टीम को यह बताने का एक तरीका चाहिए था कि "W बोसॉन की गेंद" और "कचरे की गेंद" के बीच अंतर कैसे किया जाए।

2. समाधान: "सॉफ्ट-ड्रॉप" ग्रूमर (The Soft-Drop Groomer)

W बोसॉन को खोजने के लिए, वैज्ञानिकों को गंदगी को साफ करने की आवश्यकता थी।

उपमा: कल्पना कीजिए कि आपके पास एक गंदा, कीचड़ भरा बर्फ का गोला (snowball) है। आप जानना चाहते हैं कि इसके अंदर कितनी शुद्ध बर्फ है, लेकिन यह कीचड़ और टहनियों से ढका हुआ है। आप बर्फ के गोले को धीरे से हिलाते हैं। ढीली मिट्टी और टहनियाँ (नरम, चौड़े कोण वाली रेडिएशन) बाहर गिर जाती हैं, जिससे आपको एक साफ, घना केंद्र मिलता है।
उपकरण: उन्होंने Soft-Drop नामक एक कंप्यूटर एल्गोरिदम का उपयोग किया। यह एक डिजिटल "बर्फ हिलाने वाले यंत्र" (snow-shaker) की तरह काम करता है। यह जेट के बाहरी हिस्से से ढीले, बिखरे हुए कणों को हटा देता है, जिससे केवल भारी, मुख्य कण बचते हैं। यह जेट के "द्रव्यमान" (mass) को बहुत स्पष्ट बना देता है।

3. "टू-प्रोंग" परीक्षण (The Two-Prong Test)

जेट को साफ करने के बाद भी, आप यह कैसे जानेंगे कि यह एक W बोसॉन है या सिर्फ कचरे का एक रैंडम ढेर?

उपमा: एक W बोसॉन को एक मूंगफली की तरह समझें। जब यह टूटती है, तो यह दो अलग-अलग हिस्सों (दो प्रोंग्स) में विभाजित हो जाती है। एक रैंडम कचरे का जेट एक मिट्टी के एक अकेले लोथड़े जैसा होता है।
उपकरण: टीम ने इस मूंगफली के आकार को खोजने के लिए दो अलग-अलग "डिटेक्टर्स" का उपयोग किया:
1. N(1)2: एक गणितीय सूत्र जो यह गिनता है कि जेट में कितने "शाखाएँ" (branches) हैं।
2. ParticleNet: एक आर्टिफिशियल इंटेलिजेंस (न्यूरल नेटवर्क) जिसे मूंगफली के आकार के जेट और मिट्टी के आकार के जेट के बीच के विशिष्ट "फिंगरप्रिंट" को पहचानने के लिए प्रशिक्षित किया गया है।
- परिणाम: AI (ParticleNet) बेहतर जासूस साबित हुआ, जिसने W बोसॉनों को अधिक सटीकता से खोजा।

4. महान अनफोल्डिंग (The Great Unfolding - जादू का खेल)

उनके द्वारा एकत्र किया गया डेटा "धुंधला" था क्योंकि डिटेक्टर पूर्ण नहीं है और टकराव अव्यवस्थित हैं। उन्हें यह देखने के लिए कि वास्तव में कण स्तर पर क्या हुआ था, तस्वीर को "अनब्लर" (स्पष्ट) करने की आवश्यकता थी।

उपमा: कल्पना कीजिए कि आप एक धुंधली खिड़की के माध्यम से एक तेज़ चलती कार की फोटो ले रहे हैं। फोटो धुंधली है। इसे ठीक करने के लिए, आप एक गणितीय "डी-फॉगिंग" फ़िल्टर का उपयोग करते हैं जो जानता है कि खिड़की प्रकाश को कैसे विकृत करती है। आप पूरी तस्वीर को फिर से बनाने के लिए इस फ़िल्टर को पूरे डेटासेट पर लागू करते हैं ताकि कार की गति और आकार की स्पष्ट छवि प्राप्त हो सके।
परिgetResult: उन्होंने एक "डबल-डिफरेंशियल" मैप बनाया। यह एक 3D टोपोग्राफिक मैप की तरह है जो दिखाता है कि हर विशिष्ट गति और हर विशिष्ट द्रव्यमान पर कितने W बोसॉन मौजूद हैं।

5. बड़ी खोज: W बोसॉन का वजन करना (The Big Discovery)

एक बार जब उनके पास साफ, अनब्लर मैप आ गया, तो उन्होंने "पर्वत के शिखर" को देखा।

उपमा: यदि आप सेब की एक थैली का वजन करते हैं, तो आप उम्मीद करते हैं कि औसत वजन लगभग 5 पाउंड होगा। यदि आप 1,000 थैलियों का वजन करते हैं और औसत 5.05 पाउंड आता है, तो आप जानते हैं कि सेब का वास्तविक वजन क्या है।
मापन: इन सभी "मूंगफली" जैसे जेट्स के द्रव्यमान को देखकर, उन्होंने W बोसॉन के द्रव्यमान की गणना की।
- परिणाम: उन्होंने पाया कि द्रव्यमान 80.83 GeV (ऊर्जा/द्रव्यमान की एक इकाई) है।
- अनिश्चितता (Uncertainty): वे केवल 0.55 से भिन्न थे। इस प्रकार के मापन के लिए यह अविश्वसनीय रूप से सटीक है।

यह क्यों महत्वपूर्ण है?

यह एक नया रिकॉर्ड है: यह केवल जेट्स (बिखरे हुए मलबे) का उपयोग करके किया गया W बोसॉन द्रव्यमान का सबसे सटीक मापन है। पिछले रिकॉर्डों में इलेक्ट्रॉन या म्यूऑन जैसे "साफ" संकेतों का उपयोग किया गया था।
ब्रह्मांड का परीक्षण: 'स्टैंडर्ड मॉडल' (भौतिकी का हमारा नियम पुस्तिका) भविष्यवाणी करता है कि इसका द्रव्यमान क्या होना चाहिए। यदि हमारा मापन थोड़ा भी अलग है, तो इसका मतलब है कि वहां "न्यू फिजिक्स" छिपी हो सकती है—शायद कोई नया कण जिसे हमने अभी तक नहीं खोजा है।
भविष्य की तैयारी: यह प्रयोग यह सिद्ध करता है कि हम अत्यधिक गति से चलने वाले भारी कणों को भी उच्च सटीकता के साथ माप सकते हैं। यह भविष्य के "हाई-ल्यूमिनोसिटी LHC" के लिए मार्ग प्रशस्त करता है, जहाँ हमारे पास नई भौतिकी की खोज करने के लिए और भी अधिक डेटा होगा।

संक्षेप में: CMS टीम ने एक अराजक, उच्च-गति वाले टकराव को लिया, मलबे को साफ करने के लिए एक डिजिटल "बर्फ हिलाने वाले यंत्र" का उपयोग किया, "मूंगफली के आकार" के मलबे को पहचानने के लिए AI का उपयोग किया, और फोटो को अनब्लर करने के लिए गणित का उपयोग किया। परिणाम? उन्होंने इस विशिष्ट विधि का उपयोग करके उच्चतम सटीकता के साथ W बोसॉन का वजन किया, जिससे हमें यह समझने में मदद मिली कि ब्रह्मांड कैसे काम करता है।

यहाँ शोध पत्र CMS-SMP-24-012 का विस्तृत तकनीकी सारांश दिया गया है, जिसका शीर्षक है "13 TeV पर बूस्टेड W बोसन्स के हैड्रोनिक डिके (hadronic decays) में जेट मास का मापन और W बोसॉन मास का निष्कर्षण।"

1. समस्या विवरण (Problem Statement)

W बोसॉन मास ( $m_W$ ) स्टैंडर्ड मॉडल (SM) का एक मौलिक पैरामीटर है। जबकि LEP, टेवैट्रॉन और LHC पर लेप्टोनिक डिके चैनलों (जैसे, $W \to \ell\nu$ ) का उपयोग करके पिछले मापों ने उच्च सटीकता प्राप्त की है, ऑल-जेट्स फाइनल स्टेट ( $W \to q\bar{q}'$ ) में मापन ऐतिहासिक रूप से क्वांटम क्रोमोडायनामिक्स (QCD) मल्टीजेट उत्पादन के भारी बैकग्राउंड और जेट सबस्ट्रक्चर के अपूर्ण मॉडलिंग के कारण बड़े अनिश्चितताओं से ग्रस्त रहा है।

लार्ज हैड्रॉन कोलाइडर (LHC) पर, उच्च ट्रांसवर्स मोमेंटम ( $p_T \gg m_W$ ) के साथ उत्पन्न होने वाले W बोसन्स महत्वपूर्ण रूप से लोरेंत्ज़ बूस्ट (Lorentz boost) से गुजरते हैं। इस शासन (regime) में, डिके उत्पाद (क्वार्क-एंटीक्वार्क युग्म) अत्यधिक संरेखित (collimated) हो जाते हैं और दो अलग-अलग जेट के बजाय एक सिंगल लार्ज-रेडियस जेट के रूप में पुनर्गठित होते हैं। चुनौती इन "बूस्टेड W जेट्स" को क्वार्क और ग्लूऑन-जनित जेट्स के विशाल बैकग्राउंड से अलग करने और $m_W$ निकालने के लिए जेट मास वितरण को सटीक रूप से मॉडल करने में निहित है।

2. कार्यप्रणाली (Methodology)

डेटा और सिमुलेशन (Data and Simulation)

डेटासेट: 2016-2018 के दौरान CMS प्रयोग द्वारा एकत्र किए गए $\sqrt{s} = 13$ TeV पर प्रोटॉन-प्रोटॉन टकराव, जो 138 fb $^{-1}$ के एकीकृत ल्यूमिनोसिटी (integrated luminosity) के अनुरूप है।
ट्रिगर: उन ट्रिगर्स का उपयोग करके घटनाओं का चयन किया गया जिनमें एंटी- $k_T$ जेट ( $R=0.8$ ) के लिए $p_T > 450$ या $500$ GeV की आवश्यकता थी।
सिमुलेशन: सिग्नल ($W(qq') $+jets) और बैकग्राउंड प्रक्रियाओं को **MADGRAPH5_aMC@NLO** का उपयोग करके सिम्युलेट किया गया था, जिसे पार्टोन शेवरिंग और हैड्रोनाइजेशन के लिए **PYTHIA 8** (CP5 ट्यून) के साथ इंटरफेस किया गया था। वैकल्पिक नमूनों ने हैड्रोनाइजेशन मॉडल अनिश्चितताओं का अनुमान लगाने के लिए **HERWIG 7** का उपयोग किया। टॉप क्वार्क ($ t\bar{t}$) और Z+jets बैकग्राउंड को क्रमशः POWHEG और MADGRAPH का उपयोग करके सिम्युलेट किया गया था।

जेट रिकंस्ट्रक्शन और ग्रूमिंग (Jet Reconstruction and Grooming)

जेट एल्गोरिदम: जेट्स को $R=0.8$ के डिस्टेंस पैरामीटर के साथ एंटी- $k_T$ एल्गोरिदम का उपयोग करके क्लस्टर किया गया।
पाइलअप मिटिगेशन (Pileup Mitigation): प्राथमिक वर्टेक्स से उत्पन्न होने की संभावना के आधार पर कणों को भारित करने के लिए PUPPI (Pileup Per Particle Identification) एल्गोरिदम लागू किया गया।
सॉफ्ट-ड्रॉप ग्रूमिंग (Soft-Drop Grooming): सॉफ्ट, वाइड-एंगल रेडिएशन के प्रभावों (जो जेट मास वितरण को चौड़ा करता है) को कम करने के लिए, Soft-Drop (SD) एल्गोरिदम लागू किया गया। यह उन सॉफ्ट सबजेट्स को हटा देता है जो इस शर्त को पूरा नहीं करते हैं:
$\frac{\min(p_{T,1}, p_{T,2})}{p_{T,1} + p_{T,2}} > z_{cut} \left( \frac{\Delta R_{12}}{R} \right)^{\beta_{sd}}$
जहाँ डिफॉल्ट पैरामीटर्स $z_{cut}=0.1$ और $\beta_{sd}=0$ हैं। मापन के लिए उपयोग किया गया जेट $p_T$ अनग्रूम्ड (ungroomed) जेट से लिया गया था, जबकि मास ( $m_{SD}$ ) ग्रूम्ड जेट से गणना की गई थी।

टैगिंग और बैकग्राउंड अनुमान (Tagging and Background Estimation)

सबस्ट्रक्चर टैगर्स: W जेट्स (जो "टू-प्रोंग" सबस्ट्रक्चर द्वारा पहचाने जाते हैं) को QCD बैकग्राउंड ("वन-प्रोंग") से अलग करने के लिए दो रणनीतियाँ अपनाई गईं:
1. $N^{(1)}_2$ : एक एनर्जी कोरिलेशन फंक्शन रेश्यो, जो सैद्धांतिक रूप से अच्छी तरह से परिभाषित है।
2. PARTICLENET: एक ग्राफ न्यूरल नेटवर्क (GNN) क्लासिफायर।
- मास मापन में पक्षपात (bias) से बचने के लिए, Design Decorrelated Tagger (DDT) तकनीक का उपयोग करके मास-डिकोरिलेटेड टैगर्स बनाए गए थे, जिससे पूरे फेज स्पेस में QCD जेट्स के लिए स्थिर चयन दक्षता सुनिश्चित हुई।
कंट्रोल रीजन्स: टैगर आउटपुट के आधार पर घटनाओं को सिग्नल (पास) और कंट्रोल (फेल) क्षेत्रों में वर्गीकृत किया गया।
बैकग्राउंड मॉडलिंग: QCD मल्टीजेट बैकग्राउंड के आकार का अनुमान सीधे फेल क्षेत्र से एक ट्रांसफर फैक्टर विधि का उपयोग करके लगाया गया था। बैकग्राउंड शेप को सिग्नल क्षेत्र में एक्सट्रपलेशन करने के लिए $p_T$ और $\rho_{SD}$ (लॉग ऑफ $m_{SD}^2/p_T^2$ ) पर निर्भर एक टू-डायमेंशनल ट्रांसफर फंक्शन को बर्नस्टीन पॉलिनोमियल का उपयोग करके फिट किया गया था।

अनफोल्डिंग और निष्कर्षण (Unfolding and Extraction)

अनफोल्डिंग: डिटेक्टर प्रभावों को अनफोल्ड करने के लिए एक मैक्सिमम-लाइक्लीहुड टेम्पलेट फिट किया गया, जिससे मापे गए वितरण को पार्टिकल लेवल पर सुधारा जा सके। रिस्पॉन्स मैट्रिक्स को सिमुलेशन से प्राप्त किया गया था, और अनफोल्डिंग को स्थिर करने के लिए टिखोनोव रेगुलराइजेशन (Tikhonov regularization) लागू किया गया था।
मास निष्कर्षण: विभिन्न इनपुट $m_W$ मानों (79.0, 80.0, 80.385, 81.0, 82.0 GeV) के साथ PYTHIA द्वारा जनरेट किए गए टेम्पलेट्स का उपयोग करके पीक रीजन ( $70 < m_{SD} < 90$ GeV) में अनफोल्डेड $m_{SD}$ वितरण पर एक टेम्पलेट फिट किया गया।

3. प्रमुख योगदान (Key Contributions)

प्रथम डबल-डिफरेंशियल मापन: यह शोध पत्र बूस्टेड W बोसन्स के लिए जेट ट्रांसवर्स मोमेंटम ( $p_T$ ) और सॉफ्ट-ड्रॉप मास ( $m_{SD}$ ) के फलन के रूप में प्रथम अनफोल्डेड डबल-डिफरेंशियल $W$ +jets क्रॉस सेक्शन का मापन प्रस्तुत करता है।
उन्नत बैकग्राउंड अनुमान: मास-डिकोरिलेटेड टैगर्स और एक लचीले ट्रांसफर फंक्शन का उपयोग करके एक मजबूत, डेटा-ड्रिवन QCD बैकग्राउंड अनुमान का कार्यान्वयन, जो डोमिनेंट बैकग्राउंड के लिए सिमुलेशन पर निर्भरता को न्यूनतम करता है।
ऑल-जेट्स चैनल में सटीकता: ऑल-जेट्स चैनल में $m_W$ मापन के लिए अब तक की सबसे छोटी अनिश्चितता प्राप्त की, जो बूस्टेड W बोसन्स के लिए एक प्रभावी मॉडल प्रदर्शित करती है।
सबस्ट्रक्चर वैलिडेशन: एक ऐसा परीक्षण स्थल प्रदान किया जहाँ जेट सबस्ट्रक्चर मॉडलिंग (पार्टोन शेवरिंग और हैड्रोनाइजेशन) का परीक्षण किया गया, जहाँ W बोसॉन इवेंट के बाकी हिस्सों से कलर-कनेक्टेड नहीं होता है (जैसा कि $t\bar{t}$ इवेंट्स में होता है)।

4. परिणाम (Results)

जेट मास वितरण (Jet Mass Distribution)

अनफोल्डेड डबल-डिफरेंशियल क्रॉस सेक्शन्स ( $d\sigma/dm_{SD}dp_T$ ) को $p_T > 650$ GeV के लिए मापा गया।
डेटा ने कुल अनिश्चितताओं के भीतर सैद्धांतिक भविष्यवाणियों (MADGRAPH5_aMC@NLO+PYTHIA के साथ NLO QCD और EW सुधारों) के साथ अच्छा तालमेल दिखाया।
उच्चतम $p_T$ बिन्स में सिमुलेशन की तुलना में पीक पोजीशन में एक मामूली बदलाव देखा गया, जो कुल अनिश्चितता के दायरे में है।

W बोसॉन मास निष्कर्षण (W Boson Mass Extraction)

पीक रीजन में अनफोल्डेड डेटा के टेम्पलेट फिट का उपयोग करते हुए:
$m_W = 80.81 \pm 0.55 \text{ GeV (कुल)}$
अनिश्चितता का विवरण:
- सांख्यिकीय + बैकग्राउंड: $\pm 0.36$ GeV
- अन्य सिस्टमैटिक्स: $\pm 0.41$ GeV
सिस्टमैटिक डोमिनेंस: सबसे बड़ी अनिश्चितताएं W टैगिंग एफिशिएंसी, V+jets QCD NLO सुधार, फाइनल स्टेट रेडिएशन (FSR), और हैड्रोनाइजेशन मॉडल से उत्पन्न हुईं। जेट एनर्जी स्केल (JES) शेप अनिश्चितता में एक महत्वपूर्ण योगदानकर्ता था।
रेनोर्मलाइजेशन स्कीम: ऑन-शेल रेनोर्मलाइजेशन स्कीम में बदलने पर (27 MeV जोड़कर):
$m_W = 80.83 \pm 0.55 \text{ GeV}$

5. महत्व (Significance)

प्रतिस्पर्धात्मकता: हालांकि वर्तमान अनिश्चितता ( $\sim 0.55$ GeV) सबसे सटीक लेप्टोनिक मापों ( $\sim 0.01$ GeV) से अधिक है, फिर भी यह परिणाम एक बड़ा मील का पत्थर है। यह सिद्ध करता है कि ऑल-जेट्स चैनल सटीक $m_W$ मापन प्रदान कर सकता है, जो उन स्थितियों में महत्वपूर्ण है जहाँ लेप्टोनिक चैनल बाधित या बायस्ड हो सकते हैं।
भविष्य की संभावनाएं: यह विश्लेषण हाई-ल्यूमिनोसिटी LHC (HL-LHC) के लिए एक प्रूफ-ऑफ-कॉसेप्ट के रूप में कार्य करता है। अपेक्षित एकीकृत ल्यूमिनोसिटी में वृद्धि के साथ, सांख्यिकीय अनिश्चितताएं काफी कम हो जाएंगी, जिससे ऑल-जेट्स चैनल लेप्टोनिक चैनलों के प्रतिस्पर्धी बनने की क्षमता रखेगा।
मॉडलिंग अंतर्दृष्टि: यह मापन विशेष रूप से उन क्षेत्रों को उजागर करता है जहाँ भविष्य के उच्च-परिशुद्धता मापन में व्यवस्थित अनिश्चितताओं को कम करने के लिए QCD मॉडलिंग (विशेष रूप से हैड्रोनाइजेशन और FSR) में सुधार की आवश्यकता है।

निष्कर्षतः, यह शोध पत्र एक कठोर ढांचा स्थापित करता है, जो ऑल-जेट्स चैनल में बूस्टेड W बोसन्स के गुणों को मापने के लिए सबसे सटीक $m_W$ निष्कर्षण प्रदान करता है और HL-LHC के लिए भविष्य के उच्च-परिशुद्धता भौतिकी की नींव रखता है।