⚛️ high-energy experiments

Search for Higgs boson pair production in the $\mathrm{b\bar{b}WW}$ decay channel with two leptons in the final state using proton-proton collision data at $\sqrt{s}$ = 13.6 TeV

CMS डिटेक्टर द्वारा $\sqrt{s}$ = 13.6 TeV पर एकत्रित 62 fb $^{-1}$ प्रोटॉन-प्रोटॉन टकराव डेटा का उपयोग करते हुए, यह शोध पत्र दो लीप्टोन के साथ $\mathrm{b\bar{b}WW}$ क्षय चैनल में हिग्स बोसोन युग्म उत्पादन (Higgs boson pair production) के लिए पहला खोज प्रस्तुत करता है, जिसमें मानक मॉडल (Standard Model) के अनुरूप परिणाम मिले हैं और 95% विश्वास स्तर पर 12.0 गुना अनुमानित क्रॉस सेक्शन की ऊपरी सीमा निर्धारित की गई है।

मूल लेखक: CMS Collaboration

प्रकाशित 2026-04-03

📖 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 ब्रह्मांड एक विशाल, उच्च-दांव वाला बिलियर्ड गेम है। दशकों से, भौतिक विज्ञानी इस खेल के नियमों को समझने की कोशिश कर रहे हैं, विशेष रूप से यह कि "हिग्स बोसोन" (एक मौलिक कण जो बाकी सब चीजों को द्रव्यमान देता है) कैसे व्यवहार करता है।

हम जानते हैं कि एक अकेला हिग्स बोसोन कैसे व्यवहार करता है, लेकिन हमने कभी नहीं देखा कि दो हिग्स बोसोन आपस में टकराते और परस्पर क्रिया करते हैं। यह जानने जैसा है कि एक सिंगल बिलियर्ड बॉल कैसे लुढ़कती है, लेकिन आपने कभी दो गेंदों को आपस में टकराते हुए नहीं देखा है। इस टकराव को समझना ब्रह्मांड की ऊर्जा परिदृश्य (energy landscape) के "आकार" को अनलॉक करने की कुंजी है।

यहाँ एक सरल विवरण दिया गया है कि CERN में CMS टीम ने इस नए शोध पत्र में क्या किया है:

1. लक्ष्य: एक "डबल हिग्स" को पकड़ना

वैज्ञानिकों ने हिग्स बोसोन पेयर प्रोडक्शन (एक साथ दो हिग्स बोसोन का निर्माण) के प्रमाण खोजने की कोशिश की।

उपमा: कल्पना कीजिए कि बजरी के एक विशाल ढेर में एक विशिष्ट, दुर्लभ "डबल-डायमंड" को खोजने की कोशिश करना।
चुनौती: ये जोड़े अविश्वसनीय रूप से दुर्लभ हैं। भौतिकी के "स्टैंडर्ड मॉडल" में, ये हर कुछ ट्रिलियन टकरावों में से लगभग एक बार होने चाहिए। यह समुद्र तट पर एक रेत के कण को खोजने की कोशिश करने जैसा है, जहाँ आप एक समय में एक कण देखते हैं।

2. नया टूल: एक तेज़, अधिक शक्तिशाली कोलाइडर

यह पेपर विशेष है क्योंकि यह 2022 और 2023 के डेटा का उपयोग करता है जब लार्ज हैड्रॉन कोलाइडर (LHC) रिकॉर्ड-तोड़ 13.6 TeV की ऊर्जा पर चल रहा था।

उपमा: पिछले शोध एक टॉर्चलाइट के साथ उस डबल-डायमंड को खोजने जैसा था। यह नया शोध एक हाई-पावर्ड सर्चलाइट का उपयोग करता है। उच्च ऊर्जा का अर्थ है कि "बिलियर्ड बॉल्स" अधिक ज़ोर से टकराती हैं, जिससे इन दुर्लभ जोड़ों को बनाना थोड़ा आसान हो जाता है।

3. रणनीति: "डिजिटल डिटेक्टिव"

चूंकि वे कणों को सीधे नहीं देख सकते (वे बहुत तेज़ी से क्षय/decay होते हैं), इसलिए वे उनके द्वारा छोड़े गए "पदचिह्नों" को देखते हैं। इस मामले में, वे एक विशिष्ट पैटर्न की तलाश कर रहे हैं:

एक हिग्स दो बॉटम क्वार्क्स (जो कणों की जेट्स की तरह दिखते हैं) में बदल जाता है।
दूसरा हिग्स दो W बोसॉन्स में बदल जाता है, जो फिर दो लेप्टोन (जैसे इलेक्ट्रॉन या म्यूऑन) और कुछ अदृश्य ऊर्जा (न्यूट्रिनो) में बदल जाते हैं।

उन्होंने सिग्नल कैसे पाया:

फ़िल्टर: उन्होंने एक न्यूरल नेटवर्क (AI) का उपयोग किया। इसे एक क्लब के सुपर-स्मार्ट बाउंसर के रूप में सोचें। क्लब "बैकग्राउंड नॉइज़" (सामान्य कण जैसे टॉप क्वार्क्स) से भरा है। AI को विशिष्ट "VIPs" (हिग्स पेयर्स) को उनके व्यवहार के आधार पर पहचानने के लिए प्रशिक्षित किया गया था।
अपग्रेड: इस बार, उन्होंने केवल एक बाउंसर का उपयोग नहीं किया। उन्होंने एक दो-चरणीय प्रणाली का उपयोग किया। पहले, एक "मल्टीक्लासिफायर" मेहमानों को समूहों में वर्गीकृत करता है। फिर, विशेष "बाइनरी" बाउंसर उन समूहों की जांच करते हैं कि क्या वहां वास्तव में VIP मौजूद हैं। इसने खोज को पहले की तुलना में 50% अधिक संवेदनशील बना दिया।

4. परिणाम: "अभी तक कोई नई भौतिकी नहीं..."

62 "इनवर्स फेम्टोबार्न" (डेटा की एक विशाल मात्रा) के विश्लेषण के बाद, उन्हें क्या मिला:

फैसला: उन्हें हिग्स पेयर्स का कोई स्पष्ट सिग्नल नहीं मिला।
अच्छी खबर: घटनाओं की संख्या "स्टैंडर्ड मॉडल" के अनुमानों से पूरी तरह मेल खाती है। यह अपने बैंक खाते की जांच करने जैसा है और ठीक उतना ही पैसा मिलना जितना आपने उम्मीद की थी, बिना किसी रहस्यमय जमा या निकासी के।
सीमा: उन्होंने इस बात की एक "स्पीड लिमिट" तय की है कि ये जोड़े कितनी बार हो सकते हैं। वे 95% विश्वास के साथ कह सकते हैं कि हिग्स पेयर्स की दर स्टैंडर्ड मॉडल के अनुमान से 12 गुना अधिक नहीं है। (पहले यह सीमा 14 गुना थी)।

5. यह क्यों मायने रखता है

भले ही उन्हें "नई भौतिकी" (जैसे कोई नया कण) नहीं मिली, लेकिन यह दो कारणों से एक बड़ी सफलता है:

असंभव को खारिज करना: सीमा को सख्त करके, वे सिद्धांतकारों को बता रहे हैं, "यदि आपके पास ऐसा सिद्धांत है जो भविष्यवाणी करता है कि हिग्स पेयर्स स्टैंडर्ड मॉडल की तुलना में 20 गुना अधिक बार होते हैं, तो आप गलत हैं।"
"सेल्फ-कपलिंग" का परीक्षण: मुख्य लक्ष्य यह मापना है कि हिग्स बोसोन आपस में कैसे क्रिया करते हैं। यह अंतःक्रिया (interaction) ब्रह्मांड की स्थिरता निर्धारित करती है। अत्यधिक उछाल न पाकर, वे पुष्टि कर रहे हैं कि ब्रह्मांड उसी तरह स्थिर है जैसा कि हम वर्तमान में समझते हैं।

सारांश

इस पेपर को एक हाई-टेक खजाने की खोज के रूप में समझें। CMS टीम ने अपना नक्शा अपग्रेड किया (बेहतर AI), अपना मेटल डिटेक्टर शक्तिशाली बनाया (उच्च ऊर्जा), और समुद्र तट को खंगाला (अधिक डेटा)। उन्हें खजाना (नई भौतिकी) नहीं मिला, लेकिन उन्होंने साबित कर दिया कि समुद्र तट बिल्कुल वैसा ही खाली है जैसा कि नक्शे ने भविष्यवाणी की थी। यह पुष्टि करता है कि ब्रह्मांड के बारे में हमारी वर्तमान समझ ठोस है, भले ही यह उस रोमांचक "नई खोज" जैसा न हो जिसकी हर कोई उम्मीद करता है।

निचोड़ (Bottom Line): ब्रह्मांड बिल्कुल वैसा ही व्यवहार कर रहा है जैसा स्टैंडर्ड मॉडल कहता है, कम से कम हिग्स बोसोन पेयर्स के मामले में। खोज जारी है, लेकिन खेल के नियम अपरिवर्तित हैं।

यहाँ CMS पेपर CERN-EP-2026-091 का विस्तृत तकनीकी सारांश दिया गया है, जिसका शीर्षक है " $\sqrt{s} = 13.6$ TeV पर प्रोटॉन-प्रोटॉन टक्कर के डेटा का उपयोग करके दो लीप्टोन वाले $bbWW$ क्षय चैनल में हिग्स बोसोन युग्म उत्पादन की खोज।"

1. समस्या और प्रेरणा

मानक मॉडल (Standard Model - SM) का हिग्स तंत्र हिग्स विभव (Higgs potential) के लिए एक विशिष्ट आकार की भविष्यवाणी करता है, जो सीधे तौर पर ट्रिलिनियर सेल्फ-कपलिंग ( $\kappa_\lambda$ ) और दो हिग्स बोसोन एवं दो वेक्टर बोसोन के बीच क्वाटर्टिक कपलिंग ( $\kappa_{2V}$ ) से संबंधित है। हालांकि 2012 में हिग्स बोसोन की खोज की जा चुकी थी, लेकिन ये स्व-परस्पर क्रियाएं (self-interactions) अभी भी काफी हद तक अपरिभाषित हैं।

उद्देश्य: गैर-अनुनादी (non-resonant) हिग्स बोसोन युग्म ($HH $) उत्पादन की खोज करना, विशेष रूप से उस क्षय चैनल को लक्षित करना जहाँ एक हिग्स$ b\bar{b} $(बॉटम क्वार्क पेयर) में क्षय होता है और दूसरा दो$ W $बोसोन में, जो बाद में लीप्टोनिक रूप से ($ WW \to \ell\nu\ell\nu$) क्षय होते हैं।
महत्व: यह 13.6 TeV के सेंटर-ऑफ-मास ऊर्जा पर LHC रन 3 डेटा का उपयोग करके इस विशिष्ट चैनल के लिए पहली खोज है। इसका लक्ष्य कपलिंग संशोधक (coupling modifiers) $\kappa_\lambda$ और $\kappa_{2V}$ को सीमित करना है, जो $\kappa_\lambda = \kappa_{2V} = 1$ के SM पूर्वानुमान का परीक्षण करते हैं।

2. कार्यप्रणाली और विश्लेषण रणनीति

डेटा और सिमुलेशन

डेटासेट: CMS डिटेक्टर द्वारा 2022 और 2023 में एकत्र किया गया प्रोटॉन-प्रोटॉन टक्कर डेटा, जो $\sqrt{s} = 13.6$ TeV पर 62 fb $^{-1}$ के एकीकृत ल्यूमिनोसिटी (integrated luminosity) के अनुरूप है।
सिग्नल मॉडलिंग: इसे POWHEG (ग्लूऑन-ग्लूऑन फ्यूजन, ggF के लिए) और MADGRAPH5_aMC@NLO (वेक्टर बोसोन फ्यूजन, VBF के लिए) का उपयोग करके नेक्स्ट-टू-लीडिंग ऑर्डर (NLO) और लीडिंग ऑर्डर (LO) पर सिम्युलेट किया गया है। विभिन्न $\kappa_\lambda$ और $\kappa_{2V}$ मानों के लिए नमूने (samples) जनरेट किए गए थे।
बैकग्राउंड (पृष्ठभूमि): इसमें मुख्य रूप से टॉप-क्वार्क पेयर ( $t\bar{t}$ ), सिंगल टॉप, और ड्रेल्लन-यान ( $Z/\gamma^* + \text{jets}$ ) प्रक्रियाएं शामिल हैं। मामूली बैकग्राउंड में सिंगल हिग्स उत्पादन और $VV/VVV$ प्रक्रियाएं शामिल हैं।

इवेंट चयन (Event Selection)

इवेंट्स का चयन निम्नलिखित आवश्यकताओं के आधार पर किया गया:

ठीक दो विपरीत-चिह्न वाले लीप्टोन ( $\mu^+\mu^-$ , $e^+e^-$ , या $e^\pm\mu^\mp$ )।
कम से कम एक $b$ -टैग्ड जेट।
काइनेटिक कट्स (Kinematic Cuts):
- लीप्टोन $p_T > 25$ GeV (लीडिंग) और $> 15$ GeV (सब-लीडिंग)।
- लीप्टान पेयर का इनवेरिएंट मास ( $m_{\ell\ell}$ ) 20 और 70 GeV के बीच ( $Z \to \ell\ell$ को दबाने के लिए)।
- मिसिंग ट्रांसवर्स मोमेंटम ( $p_T^{\text{miss}}$ ) $> 40$ GeV।
वैलिडेशन रीजन (Validation Regions): बैकग्राउंड मॉडलिंग को नियंत्रित करने के लिए $m_{\ell\ell} > 110$ GeV (जो $t\bar{t}$ से समृद्ध है) और $70 < m_{\ell\ell} < 110$ GeV (जो ड्रेल्लन-यान से समृद्ध है) के साथ परिभाषित किए गए।

वर्गीकरण और मशीन लर्निंग

संवेदनशीलता (sensitivity) को पिछले रन 2 विश्लेषणों की तुलना में ~50% सुधारने के लिए एक नवीन स्टेज्ड मल्टीक्लासिफिकेशन-प्लस-बाइनरी न्यूरल नेटवर्क (NN) रणनीति का उपयोग किया गया:

मल्टीक्लासिफिकेशन NN ( $NN_{\text{cat}}$ ): घटनाओं को ggF या VBF उत्पादन को लक्षित करने वाले सिग्नल रीजन (SR), या प्रमुख बैकग्राउंड ( $t\bar{t}$ , सिंगल टॉप, DY, H) के लिए कंट्रोल रीजन (CR) में विभाजित करता है।
उप-वर्गीकरण (Sub-categorization): घटनाओं को जेट सामग्री के आधार पर आगे विभाजित किया जाता है:
- बूस्टेड (Boosted): इसमें एक लार्ज-रेडियस जेट शामिल है जिसे एक लोरेन्ट्ज़-बूस्टेड $H \to b\bar{b}$ उम्मीदवार के रूप में पहचाना गया है।
- रिजॉल्व्ड (Resolved): इसमें ठीक 1 $b$ -टैग्ड जेट ("1b") या $\ge 2$ $b$ -टैग्ड जेट शामिल हैं।
बाइनरी NNs: सिग्नल और बैकग्राउंड के बीच अंतर करने के लिए SRs के भीतर समर्पित बाइनरी क्लासिफायर ( $NN_{\text{ggF}}$ और $NN_{\text{VBF}}$ ) प्रशिक्षित किए गए।
इनपुट वेरिएबल्स: NNs का उपयोग $b\bar{b}$ सिस्टम के इनवेरिएंट मास, $HH $सिस्टम के मास, लीडिंग जेट्स के$ p_T $, और$ \Delta R$ सेपरेशन जैसे काइनेटिक वेरिएबल्स के लिए किया जाता है।

सांख्यिकीय विश्लेषण (Statistical Analysis)

COMBINE टूल का उपयोग करके एक समवर्ती बिन्ड प्रोफाइल लाइकलीहुड फिट (binned profile likelihood fit) किया गया।
न्युसेंस पैरामीटर्स (Nuisance Parameters): व्यवस्थित अनिश्चितताओं (सैद्धांतिक क्रॉस-सेक्शन, जेट एनर्जी स्केल, $b$ -टैगिंग दक्षता, ल्यूमिनोसिटी) को मॉडल किया गया।
बैकग्राउंड नॉर्मलाइजेशन: प्रमुख $t\bar{t}$ और DY बैकग्राउंड के नॉर्मलाइजेशन को फिट में मुक्त पैरामीटर के रूप में माना गया, जिन्हें वैलिडेशन रीजन द्वारा नियंत्रित किया गया।
सुधार (Correction): जेट मल्टीप्लिसिटी और डलीप्टोन $p_T$ स्पेक्ट्रम में मिसमॉडलिंग को ठीक करने के लिए एक डेटा-ड्रिवन सुधार लागू किया गया।

3. प्रमुख योगदान और सुधार

पहला 13.6 TeV परिणाम: यह नए LHC ऊर्जा फ्रंटियर पर $HH \to bbWW$ के लिए उद्घाटन खोज है।
उन्नत वर्गीकरण: संवेदनशीलता बढ़ाने के लिए स्टेज्ड NN दृष्टिकोण (मल्टीक्लासिफिकेशन के बाद बाइनरी क्लासिफिकेशन) और समर्पित "बूस्टेड" श्रेणियों के समावेश का कार्यान्वयन किया गया।
ट्रिगर सुधार: $e^+e^-$ और $e^\pm\mu^\mp$ घटनाओं के लिए नए ट्रिगर रणनीतियों ने सबसे संवेदनशील बिनों में सिग्नल यील्ड को 17% तक बढ़ा दिया।
एल्गोरिदम अपडेट: $b$ -टैगिंग और बूस्टेड $H \to b\bar{b}$ पहचान के लिए PARTICLENET एल्गोरिदम का उपयोग सिग्नल-टू-बैकग्राउंड अनुपात में सुधार करता है।

4. परिणाम

सिग्नल अवलोकन (Signal Observation)

अवलोकन: बैकग्राउंड-ओनली हाइपोथीसिस के ऊपर घटनाओं का कोई महत्वपूर्ण अतिरिक्त (excess) नहीं देखा गया। डेटा SM भविष्यवाणियों के अनुरूप है।
गुडनेस-ऑफ-फिट (Goodness-of-Fit): फिट मॉडल 0.19 के $p$ -वैल्यू के साथ डेटा का अच्छी तरह से वर्णन करता है।

क्रॉस-सेक्शन पर सीमाएँ (Limits on Cross-Section)

ऑब्जर्व्ड लिमिट: 95% कॉन्फिडेंस लेवल (CL) पर समावेशी $HH$ उत्पादन क्रॉस-सेक्शन पर SM भविष्यवाणी के 12.0 गुना का ऊपरी सीमा निर्धारित की गई।
एक्सपेक्टेड लिमिट: मध्य अपेक्षित सीमा (median expected limit) SM भविष्यवाणी के 18.5 गुना थी।
नोट: सबसे संवेदनशील सिग्नल रीजन (ggF बिन 16) में नीचे की ओर उतार-चढ़ाव (downward fluctuation) के कारण देखी गई सीमा अपेक्षित से अधिक सख्त है।

कपलिंग पर प्रतिबंध (Constraints on Couplings)

परिणामों का उपयोग कपलिंग संशोधक को सीमित करने के लिए किया गया:

ट्रिलिनियर कपलिंग ( $\kappa_\lambda$ ): 95% CL पर $[-9.1, 15.7]$ (अपेक्षित: $[-13.3, 19.8]$ ) के बाहर के मानों को वर्जित किया गया। बेस्ट-फिट मान $\kappa_\lambda = 3.4$ है।
क्वाटर्टिक कपलिंग ( $\kappa_{2V}$ ): 95% CL पर $[-0.20, 2.25]$ (अपेक्षित: $[-0.48, 2.54]$ ) के बाहर के मानों को वर्जित किया गया। बेस्ट-फिट मान $\kappa_{2V} = 1.02$ है।
संवेदनशीलता: विश्लेषण $\kappa_{2V}$ के प्रति मजबूत संवेदनशीलता दिखाता है, विशेष रूप से बूस्टेड रिजीम में जहाँ गैर-SM मानों के लिए चयन दक्षता बढ़ जाती है।

5. महत्व

यह विश्लेषण हिग्स विभव (Higgs potential) की जांच करने की दिशा में एक बड़ा कदम है। पिछले रन 2 खोजों (138 fb $^{-1}$ ) की तुलना में छोटा डेटासेट (62 fb $^{-1}$ ) होने के बावजूद, परिष्कृत विश्लेषण रणनीति और उच्च टकराव ऊर्जा (13.6 TeV) के कारण CMS तुलनीय समग्र अपेक्षित संवेदनशीलता प्राप्त करने में सक्षम रहा।

यह $bbWW $चैनल में पहले क्वार्टिक हिग्स-वेक्टर बोसोन कपलिंग ($ \kappa_{2V}$) पर प्रतिबंध प्रदान करता है।
यह जटिल सिग्नल टोपोलॉजी को भारी बैकग्राउंड से अलग करने के लिए मशीन लर्निंग तकनीकों (स्टेज्ड NNs) की प्रभावशीलता को प्रदर्शित करता है।
परिणाम हिग्स कपलिंग के वैश्विक फिट (global fits) के लिए महत्वपूर्ण इनपुट के रूप में कार्य करते हैं और रन 3 तथा हाई-ल्यूमिनोसिटी LHC युग के लिए भविष्य की खोजों का मार्गदर्शन करते हैं।