⚛️ high-energy experiments

Search for low-mass vector and scalar resonances decaying into a quark-antiquark pair in proton-proton collisions at $\sqrt{s}$ = 13 TeV

CMS प्रयोग द्वारा एकत्र किए गए 13 TeV प्रोटॉन-प्रोटॉन टक्कर डेटा का उपयोग करते हुए, यह अध्ययन क्वार्क-एंटीक्वार्क युग्मों में क्षय होने वाले निम्न-द्रव्यमान वाले वेक्टर और स्केलर रेजोनेंस की खोज करता है, और ऐसे संकेतों का कोई प्रमाण न पाते हुए, 50–250 GeV द्रव्यमान सीमा में उनके कपलिंग्स पर अब तक की सबसे कड़ेतम सीमाएं निर्धारित करता 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 CERN में स्थित लार्ज हैड्रोन कोलाइडर (LHC) दुनिया का सबसे शक्तिशाली, उच्च-गति वाला पार्टिकल स्मैशर (कणों को टकराने वाली मशीन) है। वहां वैज्ञानिक प्रोटॉन की दो किरणों को लगभग प्रकाश की गति से आपस में टकराते हैं, जिससे सूक्ष्म कणों का एक अराजक विस्फोट पैदा होता है। आमतौर पर, ये विस्फोट अव्यवस्थित और पूर्वानुमानित होते हैं, जो "स्टैंडर्ड मॉडल" (भौतिकी की वर्तमान नियम पुस्तिका) के नियमों का पालन करते हैं।

लेकिन क्या होगा यदि उस अराजकता के भीतर कोई रहस्य छिपा हो? क्या होगा यदि वहां नए, भारी कण हों जो इस नियम पुस्तिका से संबंधित नहीं हैं?

यह पेपर CMS प्रयोग (LHC में मौजूद विशाल डिटेक्टरों में से एक) की एक रिपोर्ट है जो कह रहा है: "हमने इन गुप्त कणों की बहुत बारीकी से तलाश की, लेकिन हमें वे मिले नहीं। हालांकि, अब हम सटीक रूप से जानते हैं कि वे कहां नहीं छिपे हैं।"

यहाँ उनके शोध का विवरण दिया गया है, जिसे रोजमर्रा के उदाहरणों के साथ समझाया गया है:

1. मिशन: "घोस्ट" (भूतिया) कणों की खोज

वैज्ञानिक रेजोनेंस (अनुनाद) की तलाश कर रहे थे। रेजोनेंस को एक विशिष्ट संगीतमय स्वर (नोट) की तरह समझें। यदि आपके पास एक गिटार का तार है, तो वह एक विशिष्ट पिच पर कंपन करता है। भौतिकी में, नए कण एक विशिष्ट द्रव्यमान (भार) पर "कंपन" करेंगे।

वे ऐसे कणों की तलाश कर रहे थे जो अपेक्षाकृत "हल्के" (प्रोटॉन के द्रव्यमान से 50 से 300 गुना के बीच) हों और क्वार्क्स (प्रोटॉन और न्यूट्रॉन के निर्माण खंड) के जोड़े में टूट (decay) जाते हों।

सिद्धांत: कुछ सिद्धांत सुझाव देते हैं कि नए बल या कण (जैसे कि "डार्क मैटर" का संदेशवाहक) इन विशिष्ट स्वरों के रूप में दिखाई दे सकते हैं।
लक्ष्य: डेटा में एक "पीक" (शिखर) खोजना—एक विशिष्ट द्रव्यमान पर घटनाओं की संख्या में अचानक उछाल—जो यह संकेत दे कि एक नया कण बना है।

2. चुनौती: ब्रह्मांड का "व्हाइट नॉइज़" (श्वेत शोर)

सबसे बड़ी समस्या बैकग्राउंड नॉइज़ (पृष्ठभूमि का शोर) है।

उदाहरण: कल्पना कीजिए कि आप एक रॉक कॉन्सर्ट के दौरान शोर मचाते स्टेडियम के बीच में किसी व्यक्ति के फुसफुसाते हुए रहस्य को सुनने की कोशिश कर रहे हैं। वह "शोर" स्टैंडर्ड मॉडल की भौतिकी (विशेष रूप से क्वांटम क्रोमोडायनामिक्स या QCD) है, जो हर सेकंड कणों के अरबों जेट उत्पन्न करती है।
रणनीति: उस फुसफुसाहट को सुनने के लिए, आपको शोर को फ़िल्टर करने की आवश्यकता है। वैज्ञानिकों ने निर्णय लिया कि वे केवल सबसे तेज़, सबसे ऊर्जावान फुसफुसाहटों को ही सुनेंगे। उन्होंने उन टकरावों को देखा जहाँ नया कण ऊर्जा के एक विशाल विस्फोट (जिसे "इनिशियल स्टेट रेडिएशन" कहा जाता है) के साथ उत्पन्न होता है। यह नए कण को बहुत तेज़ी से चलने के लिए प्रेरित करता है, जिससे उसका मलबा कणों के एक एकल, बड़े, भारी "जेट" के रूप में एक साथ सिमट जाता है।

3. टूल: "पार्टिकल-नेट" (ParticleNet) AI

एक बार जब उन्हें ये भारी जेट मिल गए, तो उन्हें यह पता लगाना था कि उनके अंदर क्या है।

समस्या: अधिकांश जेट केवल रैंडम कचरा (हल्के क्वार्क्स या ग्लूऑन) होते हैं। वे उन जेट्स की तलाश कर रहे थे जो बॉटम क्वार्क्स (भारी, विशिष्ट कण) या चार्म क्वार्क्स से बने हों।
समाधान: उन्होंने ParticleNet नामक एक आर्टिफिशियल इंटेलिजेंस एल्गोरिदम का उपयोग किया।
उदाहरण: कल्पना कीजिए कि एक जासूस भीड़ में संदिग्ध की पहचान करने की कोशिश कर रहा है। एक इंसान चेहरे को देख सकता है। लेकिन ParticleNet एक सुपर-डिटेक्टिव की तरह है जो संदिग्ध के चलने के तरीके, उनके हाथ हिलाने के ढंग, उनके जूतों के फीतों और यहाँ तक कि उनके कपड़ों की बनावट को एक साथ देखता है। यह एक "न्यूरल नेटवर्क" (मस्तिष्क जैसी कंप्यूटर प्रोग्राम) का उपयोग करता है ताकि एक "बॉटम-क्वार्क जेट" को "रैंडम कचरा जेट" से अविश्वसनीय सटीकता के साथ अलग किया जा सके।

4. खोज प्रक्रिया

टीम ने 2016-2018 के डेटा का विश्लेषण किया (138 "इनवर्स फेम्टोबार्न" डेटा—कल्पना कीजिए कि एक ऐसी लाइब्रेरी जिसमें ट्रिलियन टक्कर की घटनाएं हैं)।

फ़िल्टर: उन्होंने केवल सबसे ऊर्जावान जेट्स को चुना।
वर्गीकरण: उन्होंने नए कणों वाले संभावित जेट्स को बैकग्राउंड शोर से अलग करने के लिए AI का उपयोग किया।
तौलना: उन्होंने उनके "इनवेरिएंट मास" (द्रव्यमान) को मापा।
स्पाइक की तलाश: उन्होंने एक ग्राफ बनाया। यदि कोई नया कण मौजूद होता, तो ग्राफ एक विशिष्ट वजन पर एक तीखे पर्वत शिखर (पीक) को दर्शाता।

5. परिणाम: "साइलेंट" (शांत) ग्राफ

उन्हें कोई पर्वत नहीं मिला।
ग्राफ एक सुचारू, लुढ़कती हुई पहाड़ी थी जो स्टैंडर्ड मॉडल की भविष्यवाणियों के साथ पूरी तरह मेल खाती थी। वहां कोई अप्रत्याशित उछाल नहीं था।

अच्छी खबर: इसका मतलब है कि ब्रह्मांड इस द्रव्यमान सीमा में बिल्कुल वैसा ही व्यवहार कर रहा जैसा हमारी वर्तमान नियम पुस्तिका भविष्यवाणी करती है।
"बुरी" खबर (सिद्धांतकारों के लिए): इसका मतलब है कि वे विशिष्ट सिद्धांत जो इस वजन सीमा में नए कणों का प्रस्ताव देते हैं, वे या तो गलत हैं, या कम से कम, वे खोजने में हमारी सोच से कहीं अधिक कठिन हैं।

6. विरासत: सीमाओं को निर्धारित करना

भले ही उन्हें वह कण नहीं मिला, लेकिन यह पेपर एक बड़ी सफलता है।

उदाहरण: कल्पना कीजिए कि आप अंधेरे मैदान में खोए हुए सिक्के की तलाश कर रहे हैं। आपको सिक्का नहीं मिलता, लेकिन आप इतनी तेज़ टॉर्च जलाते हैं कि अब आप 100% निश्चितता के साथ कह सकते हैं: "सिक्का निश्चित रूप से इस 50-फुट के घेरे में नहीं है।"
प्रभाव: वैज्ञानिकों ने इन काल्पनिक कणों के सामान्य पदार्थ के साथ कितनी मजबूती से परस्पर क्रिया (interact) कर सकते हैं, इस पर अब तक की सबसे सख्त सीमाएं तय कर दी हैं। उन्होंने प्रभावी रूप से सिद्धांतकारों को बता दिया है: "यदि आपका नया कण मौजूद है, तो इसे हमारी कल्पना से भी अधिक मायावी या अलग गुणों वाला होना चाहिए।"

सारांश

CMS टीम ने LHC में सबसे शोर वाले, सबसे ऊर्जावान टकरावों के माध्यम से छानने के लिए एक सुपर-स्मार्ट AI का उपयोग किया, ताकि वे नए भौतिकी की एक विशिष्ट "फुसफुसाहट" को ढूंढ सकें। उन्हें वह फुसफुसाहट नहीं मिली, लेकिन उन्होंने यह साबित कर दिया कि ब्रह्मांड का "शोर" बिल्कुल उतना ही तेज़ और अराजक है जितना कि हमने उम्मीद की थी। उन्होंने कई नए कणों के सिद्धांतों के दरवाजे सफलतापूर्वक बंद कर दिए हैं, जिससे वैज्ञानिकों को या तो कहीं और देखने या अपने विचारों पर पुनर्विचार करने के लिए मजबूर होना पड़ा है।

यहाँ CMS पेपर CMS-EXO-24-007 (CERN-EP-2025-213) का विस्तृत तकनीकी सारांश दिया गया है, जिसका शीर्षक है " $\sqrt{s} = 13$ TeV पर प्रोटॉन-प्रोटॉन टकरावों में क्वार्क-एंटीक्वार्क युग्म में क्षय होने वाले लो-मास वेक्टर और स्केलर रेजोनेंस की खोज।"

1. समस्या और प्रेरणा

यह खोज बीयॉन्ड द स्टैंडर्ड मॉडल (BSM) भौतिकी की खोज में एक महत्वपूर्ण अंतराल को संबोधित करती है: लो-मास डाइजेट रेजोनेंस (50 और 300 GeV के बीच द्रव्यमान)।

सैद्धांतिक संदर्भ: कई BSM सिद्धांत नए कणों की भविष्यवाणी करते हैं जो क्वार्क-एंटीक्वार्क युग्मों के साथ युग्मित होते हैं, जिनमें शामिल हैं:
- विस्तारित इलेक्ट्रोवीक सेक्टर्स ( $W'$ या $Z'$ बोसॉन)।
- रैंडल-सुंड्र मॉडल (Kaluza–Klein ग्रेविटॉन्स)।
- डार्क मैटर मीडिएटर्स (स्टैंडर्ड मॉडल को डार्क सेक्टर से जोड़ना)।
प्रायोगिक चुनौती: प्राथमिक बैकग्राउंड क्वांटम क्रोमोडायनामिक्स (QCD) मल्टीजेट उत्पादन है, जिसका क्रॉस-सेक्शन अत्यधिक विशाल है। यह डेटा अधिग्रहण में "बैंडविड्थ बॉटलनेक" (bandwidth bottleneck) पैदा करता है, जिससे लो-मास रेजोनेंस पर सीधे ट्रिगर करना और उनका विश्लेषण करना कठिन हो जाता है। इसके अलावा, गिरते हुए QCD बैकग्राउंड से एक संकीर्ण (narrow) रेजोनेंस सिग्नल को अलग करने के लिए उच्च-परिशुद्धता जेट सबस्ट्रक्चर विश्लेषण और फ्लेवर टैगिंग की आवश्यकता होती है।

2. कार्यप्रणाली

डेटा और इवेंट चयन

डेटासेट: 2016-2018 के दौरान $\sqrt{s} = 13$ TeV पर CMS प्रयोग द्वारा एकत्र किया गया प्रोटॉन-प्रोटॉन टकराव डेटा, जो 138 fb $^{-1}$ के एकीकृत ल्यूमिनोसिटी (integrated luminosity) के अनुरूप है।
ट्रिगर रणनीति: बैंडविड्थ सीमाओं को दरकिनार करने के लिए, विश्लेषण हार्ड इनिशियल-स्टेट रेडिएशन (ISR) के साथ उत्पन्न होने वाले रेजोनेंस को लक्षित करता है। इसके परिणामस्वरूप एक उच्च ट्रांसवर्स मोमेंटम ( $p_T > 500$ GeV) वाला रेजोनेंस प्राप्त होता है, जिससे इसके क्षय उत्पाद अत्यधिक संरेखित (collimated) हो जाते हैं।
पुनर्गठन (Reconstruction): क्षय उत्पादों को एक सिंगल लार्ज-रेडियस जेट (AK8) के रूप में पुनर्गठित किया जाता है जिसमें टू-प्रोंग्ड (two-pronged) सबस्ट्रक्चर होता है।
- सॉफ्ट-ड्रॉप मास ( $m_{SD}$ ): QCD जेट्स के द्रव्यमान को कम करने के लिए उपयोग किया जाता है जबकि भारी रेजोनेंस के द्रव्यमान को संरक्षित रखता है, जो 9–14% का रिज़ॉल्यूशन प्रदान करता है।
- काइनेमैटिक कट्स: इवेंट्स के लिए कम से कम एक AK8 जेट की आवश्यकता होती जिसका $p_T > 500$ GeV, $m_{SD} > 30$ GeV, और $|\eta| < 2.5$ हो।

मशीन लर्निंग: PARTICLENET (PN)

इस विश्लेषण में एक प्रमुख नवाचार PARTICLENET एल्गोरिदम का उपयोग है, जो एक ग्राफ कनवल्शनल न्यूरल नेटवर्क (GCN) है।

कार्य: यह सिग्नल जेट्स (रेजोनेंस क्षय) को QCD बैकग्राउंड से अलग करता है और क्वार्क युग्म के फ्लेवर की पहचान करता है।
आउटपुट: नेटवर्क चार वर्गों के लिए संभाव्यता (probabilities) उत्पन्न करता है: QCD बैकग्राउंड, $X \to b\bar{b}$ , $X \to c\bar{c}$ , और $X \to q\bar{q}$ (लाइट क्वार्क्स)।
डिस्क्रिमिनेन्ट्स (Discriminants):
- $p_{2\text{-prong}}$ : टू-प्रोंग्ड रेजोनेंस (किसी भी फ्लेवर के) को QCD से अलग करता है।
- $p_{bb}$ : $b\bar{b}$ रेजोनेंस को $c\bar{c}$ और लाइट क्वार्क रेजोनेंस से अलग करता है।

सिग्नल रीजन (SRs) और बैकग्राउंड अनुमान

इवेंट्स को PN स्कोर के आधार पर तीन क्षेत्रों में वर्गीकृत किया गया है:

QCD कंट्रोल रीजन (CR): वे इवेंट्स जो $p_{2\text{-prong}}$ की आवश्यकता को पूरा नहीं करते (इसका उपयोग QCD बैकग्राउंड के आकार को मॉडल करने के लिए किया जाता है)।
हाई- $p_{bb}$ SR: $Z' \to b\bar{b}$ और स्केलर/स्यूडोस्केलर ( $\phi/A \to b\bar{b}$ ) क्षय को लक्षित करता है।
लो- $p_{bb}$ SR: लाइट ( $q\bar{q}$ ) और चार्म ( $c\bar{c}$ ) क्वार्क्स के $Z'$ क्षय को लक्षित करता है।

बैकग्राउंड मॉडलिंग:

QCD मल्टीजेट्स: QCD CR का उपयोग करके सीधे डेटा से अनुमानित किया जाता है, जिसमें $p_T$ और $\rho$ (एक चर जो जेट मास और $p_T$ से संबंधित है) में CR और SR के बीच आकार के अंतर को ठीक करने के लिए ट्रांसफर फंक्शन (बर्नस्टीन पॉलिनोमियल) का उपयोग किया जाता है।
अन्य बैकग्राउंड: $W/Z$ +jets, $t\bar{t}$ , सिंगल टॉप, और डिबोसन प्रक्रियाओं का अनुमान मोंटे कार्लो (MC) सिमुलेशन का उपयोग करके लगाया जाता है, जिन्हें कंट्रोल रीजन (जैसे $t\bar{t}$ इवेंट्स में बूस्टेड $W$ बोसॉन) से प्राप्त डेटा-ड्रिवन स्केल फैक्टर्स द्वारा सुधारा जाता है।

सांख्यिकीय विश्लेषण

203 बिन्स (62 मास बिन्स $\times$ 5 $p_T$ बिन्स $\times$ 3 रीजन) पर $m_{SD}$ वितरणों पर एक बिन्ड मैक्सिमम लाइकलीहुड फिट (binned maximum likelihood fit) किया जाता है।
व्यवस्थित अनिश्चितताओं (सिस्टमैटिक अनसर्टेन्टीज़) (ल्यूमिनोसिटी, जेट एनर्जी स्केल, टैगिंग एफिशिएंसी, बैकग्राउंड मॉडलिंग) को नूसेंस पैरामीटर्स (nuisance parameters) के रूप में शामिल किया गया है।

3. मुख्य योगदान

PARTICLENET का अनुप्रयोग: यह विश्लेषण एक GCN-आधारित टैगर (PARTICLENET) का उपयोग करने वाले पहले प्रमुख लो-मास रेजोनेंस खोजों में से एक है, जो पारंपरिक एनालिटिक वेरिएबल्स (जैसे एनर्जी कोरिलेशन फंक्शन्स) की तुलना में बेहतर संवेदनशीलता प्रदर्शित करता है।
लो-मास रीच: यह विश्लेषण 50–300 GeV द्रव्यमान रेंज को सफलतापूर्वक प्रोब करता है, जो ट्रिगर थ्रेशोल्ड और अत्यधिक मात्रा में मौजूद QCD बैकग्राउंड के कारण ऐतिहासिक रूप से कठिन क्षेत्र रहा है।
दोहरे कपलिंग परिदृश्य: यह खोज दो अलग-अलग BSM परिदृश्यों को एक साथ सीमित करती है:
- स्पिन-1 ( $Z'$ ): सभी क्वार्क फ्लेवर्स के साथ समान रूप से युग्मित।
- स्पिन-0 ( $\phi/A$ ): बॉटम क्वार्क्स के प्रति प्राथमिकता से युग्मित (मिनिमल फ्लेवर इवोल्यूशन द्वारा प्रेरित)।

4. परिणाम

अवलोकन (Observation): स्टैंडर्ड मॉडल बैकग्राउंड भविष्यवाणियों के ऊपर कोई महत्वपूर्ण अतिरिक्त इवेंट (excess) नहीं देखा गया।
- सबसे बड़े लोकल डेविएशन $2.8\sigma$ ( $m_{Z'} = 75$ GeV और $225$ GeV पर) और $2.6\sigma$ ( $m_{\phi} = 70$ GeV पर) थे, जो सांख्यिकीय उतार-चढ़ाव (ग्लोबल सिग्निफिएंस $< 2\sigma$ ) के अनुरूप हैं।
एक्सक्लूजन लिमिट्स (95% कॉन्फिडेंस लेवल):
- स्पिन-1 ( $Z'$ ): यूनिवर्सल कपलिंग $g_q$ पर सीमाएं 0.03 से 0.13 के बीच हैं।
- स्पिन-0 ( $\phi/A$ ): कपलिंग पैरामीटर्स $g_{q\phi}$ और $g_{qA}$ पर सीमाएं क्रमशः 1.5 से 5.8 और 1.0 से 3.8 के बीच हैं।
डार्क मैटर व्याख्या: परिणामों को डार्क फोटॉन ( $\epsilon^2$ ) और एक्सियन-लाइक पार्टिकल (ALP) मॉडल्स को सीमित करने के लिए पुनर्गठित (recast) किया गया था। यह विश्लेषण उन थर्मल रेलिक डार्क मैटर परिदृश्यों के लिए प्रासंगिक पैरामीटर स्पेस को प्रतिबंधित करता है जहाँ मीडिएटर मास 50 और 300 GeV के बीच है।

5. महत्व

कठोर प्रतिबंध: ये परिणाम 50–250 GeV द्रव्यमान रेंज में डाइजेट रेजोनेंस पर अब तक के सबसे कड़े प्रतिबंध हैं, जो पिछले सर्वश्रेष्ठ प्रतिबंधों में से लगभग दो गुना सुधार करते हैं।
मेथोडोलॉजिकल बेंचमार्क: उच्च पाइलअप (high-pileup) और उच्च-दर वाले वातावरण में PARTICLENET का सफल परिनियोजन भविष्य के हाई-ल्यूमिनोसिटी LHC (HL-LHC) के लिए उन्नत डीप लर्निंग तकनीकों के उपयोग को प्रमाणित करता है।
डार्क सेक्टर प्रोब्स: लाइट मीडिएटर्स पर कड़े प्रतिबंध लगाकर, यह कार्य उन सरलीकृत डार्क मैटर मॉडल्स के लिए व्यवहार्य पैरामीटर स्पेस को काफी कम कर देता है जो क्वार्क्स के प्रति दृश्य क्षय (visible decays) पर निर्भर करते हैं।

संक्षेप में, यह पेपर अत्यधिक मात्रा में मौजूद QCD बैकग्राउंड के बावजूद लो-मास BSM भौतिकी को प्रोब करने की CMS सहयोग की क्षमता को प्रदर्शित करता है, जो उन्नत मशीन लर्निंग और कठोर डेटा-ड्रिवन बैकग्राउंड अनुमान का उपयोग करके विश्व-अग्रणी एक्सक्लूजन लिमिट सेट करता है।