⚛️ high-energy experiments

Search for nonresonant triple Higgs boson production in the final state with six bottom quarks in proton-proton collisions at $\sqrt{s}$ = 13 TeV

13 TeV पर प्रोटॉन-प्रोटॉन टकराव के 138 fb $^{-1}$ डेटा का उपयोग करते हुए, CMS प्रयोग ने छह-बॉटम-क्वार्क अंतिम अवस्था (final state) में गैर-अनुनादी ट्रिपल हिग्स बोसॉन उत्पादन के लिए एक खोज की, जिसने सिग्नल क्रॉस सेक्शन और ट्रिलिनियर एवं क्वाट्रिक हिग्स कपलिंग संशोधकों पर अब तक के सबसे कड़े प्रतिबंध लगाए और पर्टर्बेटिव यूनिटैरिटी द्वारा अनुमत पैरामीटर स्पेस के एक हिस्से को वर्जित कर दिया।

मूल लेखक: CMS Collaboration

प्रकाशित 2026-07-07

📖 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

एक बड़ी तस्वीर: एक "भूतिया" तिकड़ी की तलाश

कल्पना कीजिए कि ब्रह्मांड सूक्ष्म, अदृश्य निर्माण खंडों (building blocks) से बना है। इन सबसे महत्वपूर्ण खंडों में से एक है हिग्स बोसान (Higgs boson)। हिग्स बोसान को उस "गोंद" के रूप में सोचें जो अन्य कणों को द्रव्यमान (mass) देता है (जैसे कि एक भारी बैकपैक आपको भारी महसूस कराता है)।

वैज्ञानिक पहले से ही जानते हैं कि यह गोंद मौजूद है। अब, वे यह समझना चाहते हैं कि यह गोंद खुद से कैसे चिपकता है। क्या यह मजबूती से चिपकता है? ढीलेपन से? या यह एक-दूसरे को धकेलता है? यह जानने के लिए, उन्हें हिग्स बोसानों को एक-दूसरे के साथ परस्पर क्रिया (interact) करते हुए देखना होगा।

सबसे चरम परस्पर क्रिया जिसे वे खोज रहे हैं, वह है तीन हिग्स बोसानों का एक ही समय में प्रकट होना (एक "तिकड़ी")। यह अविश्वसनीय रूप से दुर्लभ है। यह एक ही समय में लगातार तीन बार लॉटरी जीतने की कोशिश करने जैसा है, लेकिन इसकी संभावनाएं इतनी कम हैं कि इसे एक बार भी देखने के लिए आपको हजारों वर्षों तक हर सेकंड एक टिकट खरीदना पड़ेगा।

प्रयोग: एक महान छलनी (The Great Filter)

CERN के वैज्ञानिक (विशेष रूप से CMS प्रयोग) एक विशाल, उच्च-तकनीकी छलनी की तरह काम कर रहे थे। उन्होंने प्रोटॉन को लगभग प्रकाश की गति से आपस में टकराया, जिससे कणों का एक अराजक तूफान पैदा हुआ।

लक्ष्य: वे एक विशिष्ट "हस्ताक्षर" (signature) की तलाश कर रहे थे: छह बॉटम क्वार्क्स (bottom quarks)। चूंकि प्रत्येक हिग्स बोसान दो बॉटम क्वार्क्स में टूट जाता है, इसलिए तीन हिग्स बोसान खोजने का अर्थ है छह बॉटम क्वार्क्स खोजना।
समस्या: ब्रह्मांड अव्यवस्थित है। हर बार जब वे प्रोटॉन को टकराते हैं, तो उन्हें लाखों "कचरा" कण मिलते हैं जो बिल्कुल वैसा ही दिखते हैं जैसा वे चाहते हैं। यह रेत के विशाल ढेर में तीन विशिष्ट नीली मार्बल्स (कंचों) को खोजने की कोशिश करने जैसा है, जहाँ रेत लगातार हिल रही है और बिल्कुल नीली मार्बल्स जैसी दिख रही है।
समाधान (AI): इस दुर्लभ तिकड़ी को रेत से अलग करने के लिए, वैज्ञानिकों ने SPANET नामक एक सुपर-स्मार्ट कंप्यूटर प्रोग्राम का उपयोग किया।
- कल्पना कीजिए कि आप एक भीड़ भरे स्टेडियम में तीन दोस्तों के एक विशिष्ट समूह को पहचानने की कोशिश कर रहे हैं। आप जानते हैं कि वे कैसे दिखते हैं, लेकिन वहां हजारों लोग हैं।
- SPANET एक सुपर-पर्यवेक्षक की तरह है जो केवल एक व्यक्ति को नहीं देखता; यह पूरे समूह को देखता है, वे कैसे खड़े हैं, वे कैसे चल रहे हैं, और वे एक-दूसरे से कैसे संबंधित हैं। यह भीड़ में छिपे होने पर भी उस "तिकड़ी" को पहचानना सीख जाता है।

परिणाम: सन्नाटा ही उत्तर है

138 फैबोटर्न (femtobarns) (कई वर्षों में एकत्र किया गया डेटा का एक विशाल हिस्सा) के बराबर डेटा का विश्लेषण करने के बाद, वैज्ञानिकों ने अपने परिणामों को देखा।

क्या उन्हें वह तिकड़ी मिली? नहीं।
उन्होंने क्या देखा? उन्होंने ठीक वही देखा जिसकी उम्मीद की जा सकती थी यदि वह तिकड़ी मौजूद नहीं होती: केवल नियमित कण टकरावों का बैकग्राउंड "शोर"।
निष्कर्ष: उन्हें वह "भूतिया" तिकड़ी नहीं मिली। हालांकि, कुछ न मिलना भी एक बड़ी खोज है। यह हमें बताता है कि यदि ये तिकड़ियाँ मौजूद हैं, तो वे हमारी सोच से भी कहीं अधिक दुर्लभ हैं।

सीमाएं: "दुर्लभ" कितना दुर्लभ है?

क्योंकि उन्हें वह तिकड़ी नहीं मिली, इसलिए उन्होंने एक "सीमा" (limit) निर्धारित की कि यह कितनी बार हो सकता है।

उपमा: कल्पना कीजिए कि आप एक झील में मछली पकड़ रहे हैं। आपने 100 बार जाल डाला और कुछ नहीं मिला। आप यह नहीं कह सकते कि "झील में कोई मछली नहीं है।" लेकिन आप यह जरूर कह सकते हैं कि "यदि मछलियां हैं, तो वे इतनी दुर्लभ हैं कि मुझे एक मछली पकड़ने के लिए 1,000 बार जाल डालना होगा।"
पेपर की सीमा: वैज्ञानिकों ने गणना की कि यदि हिग्स की तिकड़ी मौजूद है, तो यह स्टैंडर्ड मॉडल (हमारा वर्तमान सबसे अच्छा सिद्धांत) के अनुमान से अधिकतम 588 गुना अधिक बार हो सकती है।
- स्टैंडर्ड मॉडल भविष्यवाणी करता है कि यह घटना इतनी दुर्लभ है कि यह लगभग असंभव है।
- वैज्ञानिक कह रहे हैं, "ठीक है, शायद यह सिद्धांत की तुलना में 588 गुना अधिक सामान्य है, लेकिन इससे अधिक नहीं हो सकता, अन्यथा हमें यह दिख जाता।"

यह क्यों मायने रखता है: ब्रह्मांड की "नियम पुस्तिका"

यह पेपर केवल कणों को गिनने के बारे में नहीं है; यह ब्रह्मांड की "नियम पुस्तिका" (Rulebook) का परीक्षण करने के बारे में है।

कपलिंग संशोधक (Coupling Modifiers - $\kappa_3$ और $\kappa_4$ ): इन्हें एक मशीन पर लगे "नॉब्स" (knobs) की तरह समझें।
- एक नॉब नियंत्रित करता है कि दो हिग्स बोसान एक साथ कैसे चिपकते हैं।
- दूसरा नियंत्रित करता है कि तीन एक साथ कैसे चिपकते हैं।
- स्टैंडर्ड मॉडल कहता है कि ये नॉब्स विशिष्ट नंबरों (जैसे 1) पर सेट हैं।
नया प्रतिबंध: इस तिकड़ी को न पाकर, वैज्ञानिक उन नॉब्स को घुमा सके और कह सके, "नॉब इन चरम मानों (extreme values) पर सेट नहीं हो सकता।"
बड़ी जीत: पहली बार, इस प्रयोग ने उस विशिष्ट क्षेत्र को खारिज कर दिया है जो पहले गणितीय नियमों (जिसे "परटर्बेटिव यूनिटैरिटी" कहा जाता है) द्वारा अनुमत था। यह एक जासूस के कहने जैसा है, "हमें पता है कि संदिग्ध इस विशिष्ट कमरे में नहीं हो सकता, भले ही गणित ने ऐसा कहा था कि वे वहां हो सकते थे।"

सारांश

तलाश: वैज्ञानिकों ने तीन हिग्स बोसानों की एक साथ उपस्थिति की तलाश की, जो छह बॉटम क्वार्क्स में टूट जाते हैं।
उपकरण: उन्होंने इस दुर्लभ सिग्नल को खोजने के लिए खरबों कण टकरावों को फिल्टर करने के लिए एक परिष्कृत AI (SPANET) का उपयोग किया।
परिणाम: उन्हें तिकड़ी का कोई प्रमाण नहीं मिला।
मुख्य बात: उन्होंने इस पर सबसे सख्त सीमाएं लगा दीं कि यह घटना कितनी बार हो सकती है। उन्होंने हिग्स बोसान के स्वयं के साथ कैसे परस्पर क्रिया करते हैं, इसके संभावित "सेटिंग्स" को भी सीमित कर दिया, जिससे कुछ गणितीय संभावनाओं को खारिज कर दिया गया।

संक्षेप में: उन्हें वह भूत नहीं मिला, लेकिन उन्होंने साबित कर दिया कि वह भूत हमारी सोच से भी अधिक मायावी है, और उन्होंने ब्रह्मांड के "गोंद" के व्यवहार के नियमों को और कड़ा कर दिया है।

तकनीकी सारांश: छह-बॉटम क्वार्क अंतिम अवस्था (Six-Bottom Quark Final State) में नॉनरेजोनेंट ट्रिपल हिग्स बोसॉन उत्पादन की खोज

समस्या और प्रेरणा
हिग्स बोसॉन ( $H$ ) की खोज के बाद, LHC भौतिकी कार्यक्रम का एक प्राथमिक उद्देश्य हिग्स क्षमता (Higgs potential) की संरचना की जांच करना है। स्टैंडर्ड मॉडल (SM) में, यह क्षमता वैक्यूम एक्सपेक्टेशन वैल्यू ( $v \approx 246$ GeV) और हिग्स द्रव्यमान ( $m_H = 125$ GeV) द्वारा निर्धारित होती है, जो ट्रिलिनियर ( $\lambda_3$ ) और क्वार्टिक ( $\lambda_4$ ) सेल्फ-कपलिंग को $\lambda_{SM} = m_H^2/(2v^2)$ तक सीमित करती है। इन भविष्यवाणियों से विचलन प्रारंभिक ब्रह्मांड के कॉस्मोलॉजी और वैक्यूम स्थिरता के लिए गहरे निहितार्थ रख सकता है। जबकि हिग्स पेयर ($HH $) उत्पादन मुख्य रूप से ट्रिलिनियर कपलिंग ($ \kappa_3 = \lambda_3/\lambda_{SM} $) के प्रति संवेदनशीलता प्रदान करता है, ट्रिपल हिग्स ($ HHH $) उत्पादन सीधे$ \kappa_3 $और क्वार्टिक कपलिंग मॉडिफायर ($ \kappa_4 = \lambda_4/\lambda_{SM}$) दोनों के प्रति संवेदनशीलता प्रदान करता है। हालांकि, ग्लूऑन-ग्लूऑन फ्यूजन (ggF) के माध्यम से $HHH$ उत्पादन में विनाशकारी हस्तक्षेप (destructive interference) के कारण क्रॉस सेक्शन बहुत कम ( $\sigma_{ggF}^{HHH} \approx 0.08$ fb at $\sqrt{s}=13$ TeV) होता है। यह विश्लेषण $HHH \to 6b$ अंतिम अवस्था में इस दुर्लभ प्रक्रिया की खोज की चुनौती को संबोधित करता है, जिसमें सबसे बड़ा ब्रांचिंग फ्रैक्शन ( $\sim 60\%$ प्रति हिग्स) है, लेकिन इसे अत्यधिक भारी QCD मल्टीजेट बैकग्राउंड का सामना करना पड़ता है।

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

इवेंट रिकंस्ट्रक्शन और चयन: सिग्नल टोपोलॉजी में छह $b$ क्वार्क्स शामिल हैं। हिग्स बोसॉन की परिवर्तनशील गतिज (kinematics) को समायोजित करने के लिए, विश्लेषण छोटे-रेडियस ( $R=0.4$ ) और बड़े-रेडियस ( $R=0.8$ ) जेट्स दोनों का उपयोग करते हुए एक हाइब्रिड रिकंस्ट्रक्शन रणनीति अपनाता है। इवेंट्स के लिए कम से कम चार छोटे-रेडियस जेट्स ( $p_T > 25$ GeV) और बड़े-रेडियस जेट्स ( $p_T > 300$ GeV) की आवश्यकता होती है। $b$ -जेट पहचान के लिए छोटे-रेडियस जेट्स के लिए PARTICLENET टैगर और बड़े-रेडियस जेट्स के लिए एक समर्पित PARTICLENET $bb $डिस्क्रिमिनेटर (जो$ H \to bb$ को टैग करता है) का उपयोग किया जाता है।
मशीन लर्निंग रणनीति: जेट असाइनमेंट की समस्या को हल करने और सिग्नल को बैकग्राउंड से अलग करने के लिए एक सिमेट्री-प्रिजर्विंग अटेंशन नेटवर्क (SPANET) का उपयोग किया जाता है। वर्गीकरण दो चरणों में होता है:
1. इंक्लूसिव क्लासिफायर (Inclusive Classifier): $HHH \to 6b$ , $HH \to 4b$ , QCD मल्टीजेट, और $t\bar{t}$ घटनाओं को अलग करने के लिए प्रशिक्षित किया गया है। उच्चतम $HHH$ प्रायिकता वाली घटनाओं का चयन किया जाता है।
2. रिफाइंड क्लासिफायर (Refined Classifier): सिग्नल-समृद्ध उपसमुच्चय (subset) पर लागू किया जाता है ताकि बैकग्राउंड, विशेष रूप से QCD मल्टीजेट उत्पादन को और कम किया जा सके।
3. टोपोलॉजी वर्गीकरण (Topology Categorization): एक तीसरा नेटवर्क पुनर्गठित (reconstructed) हिग्स बोसॉन की संख्या के आधार पर घटनाओं को वर्गीकृत करता है (रिजॉल्व्ड बनाम मर्ज्ड), जिससे दस विशिष्ट श्रेणियां बनती हैं (जैसे, $3H$ रिजॉल्व्ड, $2H$ मर्ज्ड, आदि)।
बैकग्राउंड मॉडलिंग: प्रमुख बैकग्राउंड QCD मल्टीजेट उत्पादन ( $\sim 95\%$ चयनित नमूना) है। केवल सिमुलेशन पर निर्भर रहने के बजाय, सिग्नल रीजन (SR) में बैकग्राउंड मॉडल को उन डेटा इवेंट्स से प्राप्त किया जाता है जो इंक्लूसिव $HHH $वर्गीकरण में विफल रहते हैं। इन इवेंट्स के$ b$-टैगिंग स्कोर को SR से सैंपल किए गए स्कोर के साथ बदल दिया जाता है ताकि इवेंट-लेवल सहसंबंधों (correlations) को बनाए रखते हुए काइनेटिक शेप को सुरक्षित रखा जा सके। एक अलग कंट्रोल रीजन (CR), जो $t\bar{t}$ में समृद्ध है, जेट-टैगिंग कैलिब्रेशन को सत्यापित करता है।
सांख्यिकीय विश्लेषण: सिग्नल निष्कर्षण (extraction) को SPANET आउटपुट वितरण ( $Prob_{MultiH}$ ) के बाइनरी मैक्सिमम लाइकलीहुड फिट (binned maximum likelihood fit) के माध्यम से उच्च-शुद्धता वाले क्षेत्र ( $>0.8$ ) में किया जाता है। व्यवस्थित अनिश्चितताओं (systematic uncertainties) में सैद्धांतिक भिन्नताएं (स्केल्स, PDFs), जेट ऊर्जा स्केल/रेजोल्यूशन, और फ्लेवर-टैगिंग दक्षताएं शामिल हैं।

प्रमुख योगदान

नवीन रिकंस्ट्रक्शन तकनीकें: यह विश्लेषण एक समावेशी रणनीति पेश करता है जो चार अलग-अलग रिकंस्ट्रक्शन टोपोलॉजी (पूर्णतः रिजॉल्व्ड, आंशिक रूप से रिजॉल्व्ड/मर्ज्ड, और पूर्णतः मर्ज्ड) को एक साथ लक्षित करती है, जिससे फेज स्पेस में संवेदनशीलता अधिकतम होती है।
उन्नत डीप लर्निंग: SPANET का अनुप्रयोग, जो स्पष्ट रूप से परम्यूटेशन सिमेट्री को सुरक्षित रखता है, छह-जेट अंतिम अवस्थाओं में अंतर्निहित कॉम्बिनेटोरियल जटिलता को प्रभावी ढंग से संभालने की अनुमति देता है।
डेटा-ड्रिवन बैकग्राउंड अनुमान: डेटा इवेंट्स को संशोधित टैगिंग स्कोर के साथ एम्बेड करने की विधि, जो SR में QCD मल्टीजेट बैकग्राउंड को मॉडल करती है, प्रमुख व्यवस्थित अनिश्चितता को संभालने के लिए एक मजबूत दृष्टिकोण का प्रतिनिधित्व करती है।

परिणाम
बैकग्राउंड प्रेडिक्शन पर घटनाओं का कोई महत्वपूर्ण अतिरिक्त (excess) नहीं देखा गया है।

क्रॉस सेक्शन सीमाएं (Cross Section Limits): नॉनरेजोनेंट $HHH$ उत्पादन के लिए देखे गए (अपेक्षित) 95% विश्वास स्तर (CL) ऊपरी सीमा $44 $($ 43$) fb है। यह SM भविष्यवाणी के $588 $($ 572$) गुना के बराबर है।
कपलिंग प्रतिबंध (Coupling Constraints):
- यह मानते हुए कि $\kappa_4 = 1$ , ट्रिलिनियर कपलिंग मॉडिफायर को $-7.4 < \kappa_3 < 12.4$ (अपेक्षित: $-6.4 < \kappa_3 < 11.2$ ) के रूप में प्रतिबंधित किया गया है।
- यह मानते हुए कि $\kappa_3 = 1$ , क्वार्टिक कपलिंग मॉडिफायर को $-177 < \kappa_4 < 185$ (अपेक्षित: $-180 < \kappa_4 < 190$ ) के रूप में प्रतिबंधित किया गया है।
दो-आयामी स्कैन: $(\kappa_3, \kappa_4)$ प्लेन में समवर्ती फिट (simultaneous fit) 68% और 95% CL कंटूर प्रदान करता है, जो नॉनरेजोनेंट $HHH$ उत्पादन की प्रत्यक्ष खोज में पहली बार पर्टर्बेटिव यूनिटैरिटी बाउंड द्वारा अनुमत पैरामीटर स्पेस के क्षेत्रों को बाहर करता है।

महत्व
यह कार्य नॉनरेजोनेंट $HHH $उत्पादन और क्वार्टिक हिग्स सेल्फ-कपलिंग ($ \kappa_4$) पर अब तक के सबसे कड़े प्रतिबंध प्रदान करता है। पर्टर्बेटिव यूनिटैरिटी द्वारा अनुमत पैरामीटर स्पेस के एक हिस्से को बाहर करके, यह विश्लेषण वर्तमान LHC डेटा की क्षमता को ट्रिलिनियर कपलिंग से परे हिग्स क्षमता की संरचना की जांच करने के रूप में प्रदर्शित करता है। परिणाम भविष्य के हाई-ल्यूमिनोसिटी LHC (HL-LHC) अध्ययनों के लिए एक महत्वपूर्ण बेंचमार्क के रूप में कार्य करते हैं, जहाँ अनुमानित संवेदनशीलता इन कपलिंग्स को और अधिक प्रतिबंधित करने में सुधार का सुझाव देती है।