⚛️ high-energy experiments

Search for single production of a vector-like B' quark decaying to a top quark and a W boson in the single-lepton final state in proton-proton collisions at $\sqrt{s}$ = 13 TeV

CMS सहयोग 13 TeV पर 138 fb $^{-1}$ डेटा का उपयोग करके प्रोटॉन-प्रोटॉन टकरावों में एक टॉप क्वार्क और एक W बोसॉन में क्षय होने वाले वेक्टर-लाइक B' क्वार्क के एकल उत्पादन की खोज प्रस्तुत करता है, जो 0.8 और 1.23 TeV के बीच द्रव्यमान वाले नैरो-विड्थ सिंगलेट B' क्वार्कों के उत्पादन पर अब तक की सबसे कड़ेतम सीमाएं निर्धारित करता है।

मूल लेखक: CMS Collaboration

प्रकाशित 2026-06-02

📖 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 लार्ज हैड्रोन कोलाइडर (LHC) दुनिया का सबसे शक्तिशाली "कणों को टकराने वाला यंत्र" (particle smasher) है। यह लगभग प्रकाश की गति से एक-दूसरे पर नन्हे प्रोटॉनों को दागता है, जिससे मलबे का एक अराजक विस्फोट होता है। CMS प्रयोग के भौतिक विज्ञानी (जो LHC में एक डिटेक्टर है) इस मलबे को छानने वाले जासूसों की तरह हैं, जो एक बहुत ही विशिष्ट, दुर्लभ साक्ष्य की तलाश कर रहे हैं जो हमारे भौतिकी के वर्तमान नियमकोश, जिसे 'स्टैंडर्ड मॉडल' कहा जाता है, के अनुसार अस्तित्व में नहीं होना चाहिए।

यह शोध पत्र एक "घोस्ट" (भूतिया) कण की खोज के बारे में है जिसे वेक्टर-लाइक बी' क्वार्क (Vector-Like B' Quark) कहा जाता है।

रहस्य: इस कण की तलाश क्यों?

हमारा वर्तमान नियमकोश (स्टैंडर्ड मॉडल) बहुत अच्छा काम करता है, लेकिन इसमें एक खामी है। यह समझाने के लिए कि हिग्स बोसोन (एक ऐसा कण जो अन्य कणों को द्रव्यमान देता है) का वजन क्या है, कुछ बहुत ही नाजुक और अप्राकृतिक समायोजनों की आवश्यकता होती है। भौतिक विज्ञानी संदेह करते हैं कि प्रकृति में कुछ "छिपे हुए सहायक" (hidden helpers) हैं जो इस खामी को ठीक करते हैं। इनमें से एक सहायक एक भारी, "वेक्टर-लाइक" क्वार्क हो सकता है।

स्टैंडर्ड मॉडल के क्वार्क्स को एक टीम के खिलाड़ियों के रूप में सोचें जहाँ कुछ बाएं हाथ के और कुछ दाएं हाथ के होते हैं। एक "वेक्टर-लाइक" क्वार्क एक नए प्रकार का खिलाड़ी है जो दोनों हाथों का उपयोग करने में सक्षम (एक ही समय में बाएं और दाएं दोनों) है। यदि वे मौजूद हैं, तो वे संभवतः बहुत भारी होंगे और उन्हें पहचानना कठिन होगा।

खोज: उन्होंने कैसे तलाश की?

वैज्ञानिकों ने 2016 से 2018 तक का डेटा एकत्र किया, जिसमें प्रोटॉन आपस में 138 बार टकराए (लुमिनोसिटी के संदर्भ में, जो यह मापता है कि उन्होंने कितने टकराव देखे)। वे एक विशिष्ट परिदृश्य की तलाश कर रहे थे:

एक भारी बी' (B') क्वार्क उत्पन्न होता है।
यह तुरंत टूटकर (डिके होकर) एक टॉप क्वार्क और एक डब्ल्यू (W) बोसोन में बदल जाता है।
टॉप क्वार्क और डब्ल्यू बोसोन आगे टूट जाते हैं। उनमें से एक लेप्टॉन (एक इलेक्ट्रॉन या म्यूऑन, जो इलेक्ट्रॉन के भारी संस्करण हैं), एक लुप्त ऊर्जा (जो अदृश्य न्यूट्रिनो द्वारा ले जाई जाती है), और कुछ जेट्स (कणों के फुहार) उत्पन्न करता है।

चूंकि बी' क्वार्क बहुत भारी होता है, इसलिए इसके टूटने से निकलने वाले उत्पाद अविश्वसनीय गति से बाहर निकलते हैं, जैसे कि कोई पटाखा फूट रहा हो। वैज्ञानिकों ने इन उड़ते हुए टुकड़ों को वापस जोड़ने के लिए एक "पुनर्निर्माण किट" (reconstruction kit) बनाई ताकि वे देख सकें कि क्या वे मिलकर एक बी' क्वार्क बनाते हैं।

चुनौती: घास के ढेर में सुई खोजना

समस्या यह है कि स्टैंडर्ड मॉडल अरबों ऐसे "नकली" इवेंट्स पैदा करता है जो बिल्कुल वैसा ही दिखते हैं जैसा कि वे जिस सिग्नल की तलाश कर रहे हैं। यह बिल्कुल वैसा ही है जैसे अरबों समान दिखने वाले सिक्कों के ढेर में एक विशिष्ट दुर्लभ सिक्के को ढूंढना।

इसे हल करने के लिए, वैज्ञानिकों ने ABCDnn नामक एक चतुर तकनीक का उपयोग किया।

उपमा: कल्पना करें कि आप यह अनुमान लगाने की कोशिश कर रहे हैं कि एक दुकान में कितने लोग एक विशिष्ट दुर्लभ वस्तु खरीदेंगे (सिग्नल रीजन)। आप केवल अनुमान नहीं लगा सकते; आपको डेटा की आवश्यकता है। इसलिए, आप दुकान के चार अलग-अलग गलियारों (कंट्रोल रीजन A, B, C, और D) को देखते हैं जहाँ आप जानते हैं कि वह वस्तु नहीं बिकती है, लेकिन ग्राहकों का व्यवहार समान है।
AI का मोड़: साधारण गणित करने के बजाय, उन्होंने एक परिष्कृत न्यूरल नेटवर्क (एक प्रकार का AI) का उपयोग किया ताकि यह सीख सके कि "नकली" बैकग्राउंड इवेंट्स विभिन्न गलियारों में कैसे व्यवहार करते हैं। AI ने उन गलियारों से डेटा को बदलने के लिए सीखा जहाँ उन्हें उत्तर पता था, ताकि वे उस गलियारे के लिए भविष्यवाणी कर सकें जहाँ वे रहस्यमयी कण की तलाश कर रहे थे। इसने उन्हें अविश्वसनीय सटीकता के साथ बैकग्राउंड की भविष्यवाणी करने की अनुमति दी।

परिणाम: उन्हें क्या मिला?

अपने AI टूल्स के साथ डेटा का विश्लेषण करने के बाद, उन्होंने मिले कणों के "पुनर्निर्मित द्रव्यमान" (reconstructed mass) को देखा।

फैसला: उन्हें बी' क्वार्क नहीं मिला। डेटा ने "स्टैंडर्ड मॉडल" की भविष्यवाणी से पूरी तरह मेल खाया। वहां भारी, दोनों हाथों के उपयोग में सक्षम (ambidextrous) क्वार्क का कोई संकेत नहीं था।
अपवर्जन (Exclusion): चूंकि उन्हें वह नहीं मिला, इसलिए अब वे 95% विश्वास के साथ कह सकते हैं कि यदि यह कण वास्तव में मौजूद है, तो यह बहुत हल्का नहीं हो सकता। उन्होंने बी' क्वार्क के उन द्रव्यमानों को खारिज कर दिया जो 0.8 से 1.23 TeV (लगभग 800 से 1,230 गुना प्रोटॉन के द्रव्यमान के बराबर) के बीच हैं, यदि उनका एक विशिष्ट "नैरो विड्थ" (क्षय होने की दर का एक माप) है।

यह क्यों महत्वपूर्ण है?

यह इस विशिष्ट प्रकार के कण के लिए अब तक की सबसे संवेदनशील खोज है।

नैरो विड्थ (Narrow Widths): पिछली खोजें उन कणों को खोजने में अच्छी थीं जो तेजी से टूटते हैं (ब्रॉड विड्थ), लेकिन यह खोज उन कणों को खोजने के लिए पर्याप्त संवेदनशील होने वाली पहली खोज थी जो बहुत धीरे टूटते हैं (नैरो विड्थ)।
नई सीमाएं: भले ही उन्हें कण नहीं मिला, लेकिन उन्होंने भौतिकी के मानचित्र पर एक "प्रवेश निषेध" (Do Not Enter) रेखा खींच दी है। उन्होंने सिद्धांतकारों को बताया: "यदि आप बी' क्वार्क के साथ कोई सिद्धांत बनाना चाहते हैं, तो इसे 1.23 TeV से अधिक भारी होना चाहिए (या इसके गुण अलग होने चाहिए)।"

सारांश

CMS टीम ने एक भारी, विलक्षण कण की तलाश के लिए एक विशाल डेटासेट और एक स्मार्ट AI सिस्टम का उपयोग किया, जो ब्रह्मांड के बारे में हमारी समझ की कमी को दूर कर सकता था। उन्हें वह नहीं मिला, लेकिन यह साबित करके कि वह खोजे गए द्रव्यमान सीमा में मौजूद नहीं है, उन्होंने संभावनाओं को सीमित कर दिया है कि नई भौतिकी कैसी दिख सकती है। यह एक पूरे शहर में किसी विशिष्ट व्यक्ति को खोजने जैसा है और, उसे न पाकर भी, यह सिद्ध करना कि वे आपके द्वारा जांचे गए किसी भी घर में नहीं छिपे हैं।

तकनीकी सारांश: CMS में सिंगल प्रोडक्शन ऑफ अ वेक्टर-लाइक B′ क्वार्क की खोज

समस्या और प्रेरणा
यह शोध पत्र एक नैरो-विड्थ (narrow-width) वेक्टर-लाइक B′ क्वार्क के एकल उत्पादन (single production) की खोज प्रस्तुत करता है, जो कि विभिन्न 'बियॉन्ड द स्टैंडर्ड मॉडल' (BSM) परिदृश्यों में प्रस्तावित एक काल्पनिक भारी फर्मियन है, जो हिग्स बोसोन के संबंध में "नेचुरलनेस" (naturalness) समस्या को संबोधित करने के लिए है। चिरल (chiral) SM क्वार्क्स के विपरीत, वेक्टर-लाइक क्वार्क्स (VLQs) के पास बाएं और दाएं हाथ के घटक होते हैं जो SM गेज समूहों के तहत समान रूप से रूपांतरित होते हैं। यह अपेक्षित है कि B′ क्वार्क मुख्य रूप से तीसरे पीढ़ी के क्वार्क्स के साथ मिश्रित होता है और एक टॉप क्वार्क ( $t$ ) और एक $W$ बोसॉन में क्षय (decay) होता है। जबकि पिछले शोध व्यापक क्षय चौड़ाई (decay widths) या युग्म उत्पादन (pair production) पर केंद्रित थे, यह विश्लेषण नैरो क्षय चौड़ाई ( $\Gamma/m_{B'} = 1\%$ और $5\%$ ) वाले B′ क्वार्क के एकल उत्पादन को लक्षित करता है। ये नैरो विड्थ्स छोटे उत्पादन क्रॉस-सेक्शन और कमजोर इलेक्ट्रोवीक कपलिंग्स (electroweak couplings) के अनुरूप हैं, जिन्हें सीमित संवेदनशीलता और महत्वपूर्ण स्टैंडर्ड मॉडल इंटरफेरेंस प्रभावों के कारण पहले जांचना कठिन था।

कार्यप्रणाली (Methodology)
यह विश्लेषण $\sqrt{s} = 13$ TeV पर CMS प्रयोग द्वारा एकत्र किए गए प्रोटॉन-प्रोटॉन टक्कर डेटा का उपयोग करता है, जो 2016 से 2018 तक की 138 fb $^{-1}$ की एकीकृत ल्यूमिनोसिटी (integrated luminosity) के बराबर है।

इवेंट सिलेक्शन (Event Selection): यह खोज सिंगल-लेप्टोन अंतिम अवस्था (final state) को लक्षित करती है जहाँ B′ क्वार्क $tW $में क्षय होता है, और एक$ W $बोसॉन लेप्टोनिक रूप से ($ e $या$ \mu $) क्षय होता है। इवेंट्स के लिए ठीक एक उच्च-ट्रांसवर्स मोमेंटम ($ p_T > 55$ GeV) आइसोलेटेड लेप्टॉन, मिसिंग ट्रांसवर्स मोमेंटम ( $p_T^{miss} > 60$ GeV), और कम से कम एक बड़े-रेडियस वाला जेट ( $p_T > 200$ GeV) आवश्यक है। यदि टॉप क्वार्क सेमीलेप्टोनिक रूप से क्षय होता है, तो एक स्मॉल-रेडियस जेट को भी शामिल किया जाता है।
रिकंस्ट्रक्शन और वर्गीकरण (Reconstruction and Categorization): एक B′ कैंडिडेट को लेप्टॉन, $p_T^{miss}$ $p_{T}^{mi ss}$ , एक बड़े-रेडियस वाले जेट और संभावित रूप से एक $b$ $b$ -टैग किए गए स्मॉल-रेडियस जेट से पुनर्गठित (reconstruct) किया जाता है। PARTICLENET एल्गोरिदम द्वारा बड़े-रेडियस वाले जेट की पहचान (एक टॉप या $W$ $W$ कैंडिडेट के रूप में) और $b$ $b$ -टैग किए गए जेट की उपस्थिति के आधार पर इवेंट्स को चार मामलों में वर्गीकृत किया गया है:
1. लेप्टोनिक $W$ + $t$ -टैग्ड जेट।
2. सेमीलेप्टोनिक $t$ कैंडिडेट + $W$ -टैग्ड जेट।
3. सेमीलेप्टोनिक $t$ कैंडिडेट + अनटैग्ड जेट।
4. लेप्टोनिक $W$ + अनटैग्ड जेट।
  मामले 1 और 2 उच्चतम सिग्नल संवेदनशीलता प्रदान करते हैं।
बैकग्राउंड एस्टीमेशन (ABCDnn): प्रमुख स्टैंडर्ड मॉडल बैकग्राउंड (मुख्य रूप से $t\bar{t}$ , $W$ +jets, और QCD मल्टिजेट्स) को "ABCDnn" नामक एक नवीन डेटा-ड्रिवन तकनीक का उपयोग करके मॉडल किया गया है। यह विधि पारंपरिक ABCD पद्धति का विस्तार करती है, जिसमें पांच कंट्रोल रीजन (CRs) और सिग्नल रीजन (SR) के बीच रूपांतरण को सीखने के लिए न्यूरल ऑटोरेग्रेसिव फ्लो (neural autoregressive flows) का उपयोग किया जाता है। नेटवर्क सिमुलेटेड डिस्ट्रीब्यूशन को CRs में डेटा डिस्ट्रीब्यूशन में मैप करता है और इस रूपांतरण को SR में एक्सट्रपलेट करता है, जिसमें पुनर्गठित B′ मास ( $m_{tW}$ ) और स्केलर सम ऑफ ट्रांसवर्स मोमेंटा ( $S_T$ ) को ट्रांसफॉर्म वेरिएबल्स के रूप में उपयोग किया जाता है। मामूली बैकग्राउंड का अनुमान सिमुलेशन के माध्यम से लगाया जाता है।
सांख्यिकीय विश्लेषण (Statistical Analysis): सिग्नल रीजन में $m_{tW}$ डिस्ट्रीब्यूशन पर एक बिन्ड मैक्सिमम लाइकलीहुड फिट (binned maximum likelihood fit) किया जाता है। जेट एनर्जी स्केल, $b$ -टैगिंग, और ABCDnn ट्रेनिंग सटीकता से संबंधित व्यवस्थित अनिश्चितताओं (systematic uncertainties) को न्युसेंस पैरामीटर्स (nuisance parameters) के रूप में शामिल किया गया है।

प्रमुख योगदान (Key Contributions)

नवीन बैकग्राउंड मॉडलिंग: न्यूरल ऑटोरेग्रेसिव फ्लो का उपयोग करने वाली ABCDnn तकनीक का अनुप्रयोग, उच्च-मास रेजोनेंस खोजों में जटिल बैकग्राउंड शेप्स को मॉडल करने में एक महत्वपूर्ण प्रगति है, जो सख्त स्वतंत्रता धारणाओं (independence assumptions) पर निर्भर किए बिना ऑब्जर्वेबल्स के बीच सहसंबंधों को ध्यान में रखते हुए डेटा-ड्रिवन भविष्यवाणियों की अनुमति देता है।
नैरो विड्थ्स के लिए बढ़ी हुई संवेदनशीलता: उन्नत जेट आइडेंटिफिकेशन (PARTICLENET) और ABCDnn बैकग्राउंड एस्टीमेशन के साथ पूर्ण रन 2 डेटासेट (138 fb $^{-1}$ ) को जोड़कर, यह विश्लेषण नैरो डेके विद (narrow decay widths) वाले सिंगल B′ उत्पादन के लिए अब तक की उच्चतम संवेदनशीलता प्राप्त करता है।
व्यापक कपलिंग सीमाएं (Comprehensive Coupling Limits): यह अध्ययन न केवल उत्पादन क्रॉस-सेक्शन पर, बल्कि सिंगलेट और डबलट परिदृश्यों दोनों के लिए इलेक्ट्रोवीक बोसॉन्स के प्रति B′ क्वार्क के कपलिंग फैक्टर ( $\kappa$ ) पर भी सीमाएं प्रदान करता है।

परिणाम (Results)
किसी भी रिकंस्ट्रक्शन कैटेगरी में स्टैंडर्ड मॉडल बैकग्राउंड प्रेडिक्शन के ऊपर कोई महत्वपूर्ण अतिरिक्त इवेंट (excess) नहीं देखा गया। बैकग्राउंड-ओनली फिट ने 0.15 का $p$ -वैल्यू दिया।

एक्सक्लूजन लिमिट्स (Exclusion Limits):
- सिंगलेट B′ क्वार्क्स के लिए जो एक $b$ क्वार्क के साथ जुड़े हुए हैं ($bqB'$) और जिनका सापेक्ष क्षय विड्थ 5% है, 0.8 और 1.23 TeV के बीच के द्रव्यमान को 95% कॉन्फिडेंस लेवल (CL) पर बाहर (exclude) किया गया है। अपेक्षित एक्सक्लूजन लिमिट 1.35 TeV थी।
- $t$ -एसोसिएटेड प्रोडक्शन ($tqB'$) के लिए, देखे गए लिमिट्स 5%-विड्थ सिंगलेट और 1%-विड्थ डबलट परिदृश्यों के लिए दोनों के लिए 0.9 और 1.0 TeV के द्रव्यमान को बाहर करते हैं।
- $tqB'$ उत्पादन के लिए उत्पादन क्रॉस-सेक्शन की ऊपरी सीमाएं 0.8 TeV पर 230 fb से 2.0 TeV पर 10 fb तक हैं।
कपलिंग फैक्टर लिमिट्स (Coupling Factor Limits):
- सिंगलेट $bqB'$ उत्पादन के लिए, 0.8 और 1.8 TeV के बीच द्रव्यमान के लिए $\kappa > 0.30$ को बाहर किया गया है।
- $tqB'$ उत्पादन के लिए, सिंगलेट द्रव्यमान (0.8–1.2 TeV) के लिए $\kappa > 0.41$ को बाहर किया गया है, और डबलट द्रव्यमान (0.8–2.0 TeV) के लिए $\kappa > 0.29$ को बाहर किया गया है।

महत्व (Significance)
यह शोध पत्र दावा करता है कि यह खोज नैरो-विड्थ B′ क्वार्क्स के एकल उत्पादन के लिए अब तक की सबसे कड़ी संवेदनशीलता (most stringent sensitivity) प्रदान करती है। यह पिछले CMS खोजों की तुलना में छोटे क्रॉस-सेक्शन और कपलिंग फैक्टर मानों को सफलतापूर्वक प्रोब करता है, जो प्रभावी रूप से नैरो विड्थ और कमजोर कपलिंग्स के क्षेत्र में VLQ खोजों की पहुंच को बढ़ाता है। ये परिणाम फिनिट-विड्थ (finite-width) अध्ययनों के लिए एक मॉडल-स्वतंत्र पूरक के रूप में कार्य करते हैं, जो तीसरे पीढ़ी के SM क्वार्क्स के साथ मिश्रित होने वाले वेक्टर-लाइक क्वार्क्स के पैरामीटर स्पेस को सीमित करते हैं।