⚛️ उच्च-ऊर्जा प्रयोग

Search for nonresonant production of strongly coupled dark matter in proton-proton collisions at $\sqrt{s}$ = 13 TeV

CMS डिटेक्टर द्वारा $\sqrt{s}$ = 13 TeV पर एकत्रित 138 fb $^{-1}$ प्रोटॉन-प्रोटॉन टकराव डेटा का उपयोग करते हुए, यह अध्ययन सुपरवाइज्ड और अनसुपरवाइज्ड दोनों मशीन लर्निंग तकनीकों का उपयोग करके स्ट्रॉन्गली कपल्ड डार्क मैटर के संकेतक गैर-अनुनादी अर्ध-दृश्य जेट (nonresonant semivisible jets) के लिए एक खोज प्रस्तुत करता है, जिसमें कोई महत्वपूर्ण अधिकता नहीं पाई गई और 2.4 TeV तक के मीडिएटर द्रव्यमानों पर बहिष्करण सीमाएं निर्धारित की गई हैं।

मूल लेखक: CMS Collaboration

प्रकाशित 2026-10-27

📖 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

द दशकों से, पृथ्वी पर सबसे शक्तिशाली मशीनें लगभग प्रकाश की गति से प्रोटॉन को आपस में टकरा रही हैं, जिससे मौलिक कणों के एक विशिष्ट सेट से बनी ब्रह्मांड की संरचना का पता चल रहा है। भौतिकी का यह मानक मॉडल (Standard Model) उल्लेखनीय रूप से सफल रहा है, जिसने सबसे हल्के परमाणुओं से लेकर सबसे भारी ज्ञात कणों तक के व्यवहार की भविष्यवाणी की है। फिर भी, खगोलशास्त्रियों को लंबे समय से पता है कि यह मॉडल अधूरा है। आकाशगंगाओं के घूमने और विशाल तारा समूहों के चारों ओर प्रकाश के मुड़ने के अवलोकन बताते हैं कि ब्रह्मांड का अधिकांश द्रव्यमान अदृश्य है। यह लुप्त द्रव्यमान (missing mass), जिसे डार्क मैटर (dark matter) के रूप में जाना जाता है, न तो प्रकाश उत्सर्जित करता है, न ही उसे परावर्तित करता है, और न ही उन बलों के साथ परस्पर क्रिया करता है जो परमाणुओं को थामे रखते हैं, जिससे इसे सीधे देखना असंभव हो जाता है। जबकि वैज्ञानिकों ने इस अंधकार की व्याख्या करने के लिए एक सरल, भारी कण की खोज में वर्षों बिताए हैं, उन्हें कुछ भी नहीं मिला है। इस सन्नाटे ने शोधकर्ताओं को अधिक जटिल संभावनाओं पर विचार करने के लिए प्रेरित किया है: शायद डार्क मैटर एक अकेला कण नहीं है, बल्कि कणों का एक पूरा छिपा हुआ क्षेत्र (hidden sector) है जो एक-दूसरे के साथ अपने स्वयं के बलों के माध्यम से परस्पर क्रिया करते हैं, ठीक वैसे ही जैसे कि हम दृश्य द्रव्यमान को जानते हैं, लेकिन वे हमारी दृष्टि से छिपे रहते हैं।

हाल ही में एक अध्ययन में, स्विट्जरलैंड में लार्ज हैड्रॉन कोलाइडर (Large Hadron Collider) में CMS सहयोग ने इनमें से एक जटिल विचार का परीक्षण किया। उन्होंने एक ऐसे "डार्क सेक्टर" के साक्ष्य की तलाश की जहाँ कणों को जोड़ों में बनाया जाता है, जिसमें जोड़े का एक हिस्सा दृश्य होता है और दूसरा हिस्सा अदृश्य होता है। इस परिदृश्य में, एक भारी कण नए कणों के फुहार (spray) में टूट जाता है। इनमें से कुछ नए कण स्थिर और अदृश्य होंगे, जो बिना किसी निशान के डिटेक्टर से बाहर निकल जाएंगे, जबकि अन्य अस्थिर होंगे और तुरंत साधारण कणों में टूट जाएंगे जिन्हें डिटेकार देख सकता है। इसका परिणाम कणों की एक ऐसी फुहार होगी जो मलबे की एक सामान्य फुहार जैसी दिखेगी, लेकिन इसकी ऊर्जा का एक महत्वपूर्ण हिस्सा गायब होगा। शोधकर्ताओं ने इन अजीब वस्तुओं को "सेमीविज़िबल जेट्स" (semivisible jets) कहा। विशिष्ट डार्क मैटर खोजों के विपरीत, जो एक बड़े 'मिसिंग एनर्जी' गैप के विरुद्ध एक एकल जेट की तलाश करती हैं, इस खोज ने इस बात की तलाश की कि लुप्त ऊर्जा दृश्य जेट के ठीक बगल में, स्वयं फुहार के भीतर छिपी हुई हो।

इन मायावी संकेतों को खोजने के लिए, टीम ने प्रोटॉन-प्रोटॉन टकरावों के एक विशाल डेटासेट का विश्लेषण किया जो 2016 और 2018 के बीच एकत्र किया गया था, जो 138 इनवर्स फेमोटोबार्न (inverse femtobarns) के एकीकृत ल्यूमिनोसिटी (integrated luminosity) के अनुरूप है। डेटा की यह मात्रा टकरावों की एक विशाल संख्या का प्रतिनिधित्व करती है, जो छानने के लिए सूचना का एक गहरा कुआं प्रदान करती है। चुनौती इन काल्पनिक सेमीविज़िबल जेट्स को साधारण कण फुहारों के अत्यधिक बैकग्राउंड (background) से अलग करने की थी, जो मानक भौतिकी प्रक्रियाओं द्वारा उत्पन्न होते हैं। इसे करने के लिए, शोधकर्ताओं ने दो अलग-अलग मशीन-लर्निंग रणनीतियों का उपयोग किया। पहला एक 'सुपरवाइज्ड' (supervised) दृष्टिकोण था, जहाँ एक कंप्यूटर प्रोग्राम को सेमीविज़िबल जेट के अद्वितीय पैटर्न को पहचानने के लिए विशिष्ट डार्क मैटर मॉडल के सिमुलेशन पर प्रशिक्षित किया गया था। दूसरा एक 'अनसुपरवाइज्ड' (unsupervised) दृष्टिकोण था, जहाँ एक अलग कंप्यूटर प्रोग्राम ने वास्तविक डेटा का अध्ययन करके सीखा कि एक सामान्य जेट कैसा दिखता है, और फिर किसी भी जेट को फ्लैग किया जो उस मानक की तुलना में असामान्य या "असंगत" (anomalous) दिखता था। यह दूसरा तरीका अधिक लचीला होने के लिए डिज़ाइन किया गया था, जो उन संकेतों को भी पकड़ने में सक्षम था जो पहले विधि में उपयोग किए गए विशिष्ट सिमुलेशन से पूरी तरह मेल नहीं खाते थे।

विश्लेषण उन घटनाओं पर केंद्रित था जहाँ लुप्त ऊर्जा एक जेट के साथ संरेखित (aligned) थी, जो इस प्रकार के डार्क सेक्टर के लिए एक निर्णायक संकेत (smoking gun) होगा। शोधकर्ताओं ने डिटेक्टर त्रुटियों या ज्ञात बैकग्राउंड प्रक्रियाओं, जैसे कि टॉप क्वार्क के उत्पादन या W और Z बोसॉन के क्षय के कारण होने वाली घटनाओं को सावधानीपूर्वक फ़िल्टर किया। फिर उन्होंने एकत्र किए गए सभी इवेंट्स में मिसिंग एनर्जी के वितरण की जांच की। इन परिष्कृत उपकरणों और डेटा की विशाल मात्रा के बावजूद, खोज खाली रही। शोधकर्ताओं को सेमीविज़िबल जेट्स के कारण होने वाली घटनाओं का कोई महत्वपूर्ण अतिरिक्त भाग (excess) नहीं मिला। डेटा मानक मॉडल की भविष्यवाणियों से पूरी तरह मेल खाता था, जिसमें खोजे जा रहे हिडन सेक्टर कणों का कोई संकेत नहीं मिला।

चूंकि कोई सिग्नल नहीं मिला, इसलिए टीम ने अपने परिणामों का उपयोग उन विशिष्ट डार्क मैटर मॉडलों को खारिज करने के लिए किया जिनका वे परीक्षण कर रहे थे। उन्होंने निर्धारित किया कि यदि ये सेमीविज़िबल जेट्स मौजूद हैं, तो वह भारी कण जो उन्हें बनाता है, अन्य गुणों के आधार पर 0.5 से 2.4 ट्रिलियन इलेक्ट्रॉन वोल्ट के बीच का द्रव्यमान नहीं रख सकता है। अनसुपरवाइज्ड खोज के लिए, जो उन संकेतों को पकड़ने में बेहतर है जहाँ जेट का अदृश्य हिस्सा बड़ा होता है, वे 2.1 ट्रिलियन इलेक्ट्रॉन वोल्ट तक के द्रव्यमान को भी बाहर करने में सक्षम थे। ये सीमाएँ महत्वपूर्ण हैं क्योंकि वे उन सैद्धांतिक संभावनाओं के एक विस्तृत दायरे के द्वार बंद कर देती हैं जिनका परीक्षण पहले नहीं किया गया था। यह अध्ययन प्रदर्शित करता है कि भले ही डार्क मैटर एक जेट के भीतर, साधारण कणों के साथ मिश्रित होकर छिपा हो, फिर भी वह एक विशिष्ट छाप छोड़ता है जिसे आधुनिक डिटेक्टर और उन्नत कंप्यूटर एल्गोरिदम खोज सकते हैं। हालांकि इस खोज में डार्क मैटर नहीं मिला, लेकिन इसने सफलतापूर्वक उस क्षेत्र को मैप किया जहाँ वह नहीं है, जिससे भविष्य के प्रयोगों को नई संभावनाओं की ओर निर्देशित किया जा सके।

तकनीकी सारांश: $\sqrt{s} = 13$ TeV पर प्रोटॉन-प्रोटॉन टकरावों में स्ट्रॉन्गली कपल्ड डार्क मैटर के नॉन-रेजोनेंट उत्पादन की खोज

समस्या और प्रेरणा
यद्यपि कण भौतिकी का मानक मॉडल (Standard Model - SM) ज्ञात मौलिक कणों का सफलतापूर्वक वर्णन करता है, खगोलीय अवलोकन—जैसे कि गैलेक्सी रोटेशन कर्व्स और ग्रेविटेशनल लेंसिंग—मजबूत संकेत देते हैं कि डार्क मैटर (DM) का अस्तित्व है जिसे वर्तमान सिद्धांत द्वारा समझाया नहीं जा सका है। पारंपरिक कोलाइडर खोजें मुख्य रूप से 'वीकली इंटरैक्टिंग मैसिव पार्टिकल्स' (WIMPs) पर केंद्रित रही हैं, जो आमतौर पर दृश्य SM कणों के विरुद्ध मिसिंग ट्रांसवर्स मोमेंटम ( $p^{\text{miss}}_T$ ) के हस्तांतरण के रूप में संकेत उत्पन्न करते हैं। हालाँकि, WIMP DM के लिए कोई प्रमाण नहीं मिला है।

यह शोध पत्र "हिडन वैलीज़" (hidden valleys) या डार्क सेक्टर्स (DS) से जुड़े मॉडलों के एक वैकल्पिक वर्ग की जांच करता है, जो SM क्वांटम क्रोमोडायनामिक्स (QCD) के समान एक कन्फाइनिंग इंटरेक्शन द्वारा नियंत्रित होते हैं, जिसे अक्सर "डार्क QCD" कहा जाता है। इन परिदृश्यों में, डार्क क्वार्क्स 'शॉवर' (shower) और 'हैड्रोनाइज' (hadronize) होकर डार्क हैड्रोन बनाते हैं। स्थिर डार्क हैड्रोन डिटेक्टर से अदृश्य रूप से बाहर निकल जाते हैं, जबकि अस्थिर वाले तुरंत SM क्वार्क्स में क्षय (decay) हो जाते हैं। इस प्रक्रिया के परिणामस्वरूप "सेमी-विज़िबल जेट्स" (SVJs) प्राप्त होते हैं—जो दृश्य कणों और अदृश्य DM उम्मीदवारों दोनों के संकेंद्रित स्प्रे (collimated sprays) होते हैं। पारंपरिक DM खोजों के विपरीत, जहाँ $p^{\text{miss}}_T$ एक जेट के विरुद्ध रिकॉइल करता है, SVJ घटनाओं में $p^{\text{miss}}_T$ स्वयं जेट के साथ संरेखित (aligned) होता है। यह शोध पत्र स्ट्रॉन्गली कपल्ड डार्क मैटर के नॉन-रेजोनेंट उत्पादन के लिए पहला CMS खोज प्रस्तुत करता है।

कार्यप्रणाली (Methodology)
यह विश्लेषण CMS डिटेक्टर द्वारा $\sqrt{s} = 1.3$ TeV पर एकत्र किए गए प्रोटॉन-प्रोटॉन टकराव डेटा का उपयोग करता है, जो 2016-2018 की डेटा-टेकिंग अवधि के दौरान 138 fb $^{-1}$ की एकीकृत ल्यूमिनोसिटी (integrated luminosity) के अनुरूप है।

सिग्नल मॉडल: सिग्नल एक विशाल बाइफंडामेंटल स्केलर $\Phi$ द्वारा मध्यस्थता (mediated) किया जाता है जो SM क्वार्क्स और डार्क क्वार्क्स दोनों से एक साथ जुड़ता है। यह मॉडल चार मापदंडों द्वारा परिभाषित है: मीडिएटर मास ( $m_\Phi$ ), युकावा कपलिंग ( $\lambda$ ), स्थिर डार्क हैड्रोन का अंश ( $r_{\text{inv}}$ ), और डार्क-हैड्रोन मास स्केल ( $m_{\text{dark}}$ )।
इवेंट सिलेक्शन: घटनाओं का चयन उच्च स्केलर ट्रांसवर्स मोमेंटम ( $S_T > 1300$ GeV), कम से कम दो वाइड जेट्स ( $R=0.8$ ), और महत्वपूर्ण $p^{\text{miss}}_T$ ( $> 200$ GeV) की आवश्यकता के साथ किया जाता है। एक प्रमुख चयन मानदंड यह है कि किसी भी जेट और $p^{\text{miss}}_T$ वेक्टर के बीच न्यूनतम कोण ( $\Delta\phi_{\text{min}}$ ) 1.5 से कम होना चाहिए, जो SVJ घटनाओं में अपेक्षित संरेखण को दर्शाता है।
मशीन लर्निंग रणनीतियाँ: SVJs को SM जेट्स से अलग करने के लिए दो पूरक टैगर्स का उपयोग किया जाता है:
1. सुपरवाइज्ड टैगर (PARTICLENET): एक ग्राफ न्यूरल नेटवर्क (GNN) जिसे सिम्युलेटेड सिग्नल और बैकग्राउंड सैंपल्स पर प्रशिक्षित किया गया है। यह विशिष्ट डार्क-शॉवर डायनेमिक्स को सीखने के लिए पार्टिकल-लेवल इंफॉर्मेशन (कन्स्टिटुएंट फोर-वेक्टर्स) का उपयोग करता है। यह प्रशिक्षण में उपयोग किए गए विशिष्ट मॉडल मापदंडों के प्रति अत्यधिक संवेदनशील है लेकिन कम मॉडल-एग्नोस्टिक (model-agnostic) है।
2. अनसुपरवाइज्ड टैगर (Wasserstein Normalized Autoencoder - WNAE): एक एनोमली डिटेक्शन एल्गोरिदम जिसे SM डेटा (QCD और $t\bar{t}$ समृद्ध क्षेत्रों) पर SM जेट सबस्ट्रक्चर के संभाव्यता वितरण को सीखने के लिए प्रशिक्षित किया गया है। यह बिना किसी पूर्व सिग्नल मॉडल के ज्ञान के, असामान्य सबस्ट्रक्चर वाले जेट्स के रूप में SVJs की पहचान करता है, जो अनटेस्टेड सिग्नल हाइपोथीसिस के लिए व्यापक संवेदनशीलता प्रदान करता है।
बैकग्राउंड एस्टीमेशन: प्रमुख बैकग्राउंड QCD मल्टीजेट घटनाओं से आता है जहाँ गलत तरीके से मापे गए जेट्स कृत्रिम $p^{\text{miss}}_T$ उत्पन्न करते हैं। इसका अनुमान ABCDisCoTEC विधि का उपयोग करके लगाया जाता है, जो एक मशीन-लर्निंग-एन्हांस्ड ABCD तकनीक है। एक न्यूरल नेटवर्क क्लासिफायर को $p^{\text{miss}}_T$ से डिकोरिलेटेड (decorrelated) होने के लिए प्रशिक्षित किया जाता है ताकि घटनाओं को चार क्षेत्रों (A, B, C, D) में विभाजित किया जा सके, जिससे डेटा का उपयोग करके कंट्रोल क्षेत्रों (B, C, D) से सिग्नल क्षेत्र (A) में बैकग्राउंड का पूर्वानुमान लगाया जा सके।
सिस्टमैटिक अनसर्टेन्टी (Systematic Uncertainties): अनसर्टेन्टी में डिटेक्टर प्रभाव (जेट एनर्जी स्केल/रेसोल्यूशन, पाइलअप), सैद्धांतिक मॉडलिंग (PDFs, रिनॉर्मलाइजेशन स्केल्स), और जेट सबस्ट्रक्चर मिसमॉडलिंग के लिए विशिष्ट सुधार (लुंड जेट प्लेन डेंसिटीज का उपयोग करके) शामिल हैं।

प्रमुख योगदान

दोहरी-रणनीति दृष्टिकोण: यह शोध पत्र एक मॉडल-डिपेंडेंट सुपरवाइज्ड GNN और एक मॉडल-एग्नोस्टिक अनसुपरवाइज्ड ऑटोएनकोडर के बीच तुलना पेश करता है, जो विशिष्ट संवेदनशीलता और मॉडल स्वतंत्रता के बीच के ट्रेड-ऑफ को प्रदर्शित करता है।
सबस्ट्रक्चर करेक्शन: सिग्नल सिमुलेशन में जेट सबस्ट्रक्चर के मिसमॉडलिंग को संभालने के लिए एक नवीन सुधार विधि लागू की गई है। इसमें सिग्नल जेट्स को SM क्वार्क्स के अनुरूप सबजेट्स में रीक्लस्टर करना और उन्हें डेटा कंट्रोल क्षेत्रों में देखे गए लुंड जेट प्लेन घनत्व के आधार पर रीवेट (reweight) करना शामिल है।
ABCD मेथड एन्हांसमेंट: ABCDisCoTEC पद्धति का अनुप्रयोग यह सुनिश्चित करता है कि बैकग्राउंड का अनुमान उस शासन (regime) में भी सटीक हो जहाँ इंस्ट्रूमेंटल बैकग्राउंड (मिसमेजर्ड जेट्स) हावी होता है और पारंपरिक सिमुलेशन-आधारित अनुमान अविश्वसनीय होते हैं।

परिणाम
दोनों टैगर रणनीतियों के लिए $p^{\text{miss}}_T$ वितरण में अपेक्षित SM बैकग्राउंड की तुलना में कोई महत्वपूर्ण अतिरिक्त घटना (excess) नहीं देखी गई। फलस्वरूप, 95% कॉन्फिडेंस लेवल (CL) पर बाइफंडामेंटल मीडिएटर $\Phi$ के प्रोडक्शन क्रॉस-सेक्शन पर ऊपरी सीमाएं (upper limits) निर्धारित की गईं।

सुपरवाइज्ड सर्च: अन्य सिग्नल मापदंडों के आधार पर, मीडिएटर मास को 0.5 और 2.4 TeV के बीच बहिष्कृत (exclude) करता है। $r_{\text{inv}} = 0.3$ और $\lambda = 1.0$ वाले सिग्नल मॉडल्स के लिए, सभी विचारित डार्क-हैड्रोन द्रव्यमान $m_\Phi < 1.7$ TeV के लिए बहिष्कृत हैं।
अनसुपरवाइज्ड सर्च: मीडिएटर मास को 0.5 और 2.1 TeV के बीच बहिष्कृत करता है। विशेष रूप से, उच्च स्थिर डार्क मैटर अंश ( $r_{\text{inv}} \approx 0.6\text{--}0.9$ ) वाले सिग्नल मॉडल्स के लिए, अनसुपरवाइज्ड सर्च बढ़ी हुई संवेदनशीलता प्रदर्शित करता है, जो 2.1 TeV तक के मीडिएटर मास को बहिष्कृत करता है, जबकि सुपरवाइज्ड सर्च (कम $r_{\text{inv}}$ मानों पर प्रशिक्षित) केवल 1.7 TeV तक ही बहिष्कृत करता है।
पैरामीटर स्पेस: परिणाम $(m_\Phi, r_{\text{inv}})$ , $(m_\Phi, m_{\text{dark}})$ , और $(m_\Phi, \lambda)$ प्लेन में विशिष्ट क्षेत्रों को बहिष्कृत करते हैं। उदाहरण के लिए, सुपरवाइज्ड सर्च में $m_\Phi < 1.6$ TeV के लिए, सभी विचारित $\lambda$ के वेरिएंट्स बहिष्कृत हैं, जबकि उसी रणनीति में सभी $m_\Phi$ के लिए $\lambda > 2$ बहिष्कृत है।

महत्व
यह कार्य स्ट्रॉन्गली कपल्ड डार्क मैटर के नॉन-रेजोनेंट उत्पादन के लिए पहला CMS खोज है। जेट-लेवल सबस्ट्रक्चर और इवेंट-लेवल किनेमैटिक्स दोनों का लाभ उठाने के लिए मशीन लर्निंग तकनीकों का उपयोग करके, यह विश्लेषण पारंपरिक WIMP प्रतिमानों से परे डार्क सेक्टर खोजों की पहुंच का विस्तार करता है। यह शोध पत्र रेखांकित करता है कि जबकि सुपरवाइज्ड विधियां विशिष्ट बेंचमार्क मॉडल्स के लिए उच्च संवेदनशीलता प्रदान करती हैं, अनसुपरवाइज्ड एनोमली डिटेक्शन डार्क सेक्टर मापदंडों की विशाल अनिश्चितता के विरुद्ध महत्वपूर्ण मजबूती प्रदान करता है, जिससे उन क्षेत्रों को सफलतापूर्वक बहिष्कृत किया जा सका है जो अन्यथा अनप्रोब्ड (unprobed) रह जाते। ये परिणाम मौजूदा कंपोजिट डार्क मैटर खोजों के पूरक हैं और स्ट्रॉन्गली कपल्ड डार्क सेक्टर्स में बाइफंडामेंटल स्केलर मीडिएटर्स के उत्पादन को सीमित करते हैं।

इसी तरह के और पेपर