⚛️ उच्च-ऊर्जा प्रयोग

Search for Higgs boson production in association with another Higgs or an exotic scalar boson in the $b\bar{b}W^{+}W^{-}$ single lepton final state at $\sqrt{s}=13$ TeV with the ATLAS experiment

$\sqrt{s}=13$ TeV पर 140 fb $^{-1}$ के पूर्ण ATLAS रन 2 डेटासेट का उपयोग करते हुए, यह शोध पत्र $b\bar{b}W^{+}W^{-}$ अंतिम अवस्थाओं में क्षय होने वाले गैर-अनुनाद (non-resonant) हिग्स बोसोन युग्म उत्पादन और भारी स्केलर के अनुनाद (resonant) उत्पादन, दोनों की खोज प्रस्तुत करता है, जो पूर्व के लिए मानक मॉडल के अनुमान के 35 गुना के लिए 95% विश्वास स्तर (confidence level) की ऊपरी सीमा निर्धारित करता है और उत्तर के लिए द्रव्यमान-निर्भर बाधाएं स्थापित करता है।

मूल लेखक: ATLAS Collaboration

प्रकाशित 2026-11-06

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: ATLAS 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 लेखक ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

ब्रह्मांड अदृश्य नियमों के एक समूह द्वारा थामे रखा गया है जो यह निर्धारित करते हैं कि कण कैसे परस्पर क्रिया करते हैं और द्रव्यमान कैसे प्राप्त करते हैं। इस प्रणाली के केंद्र में हिग्स बोसोन नामक एक कण स्थित है, जो एक ऐसी खोज है जिसने दशकों पुराने उस सिद्धांत की पुष्टि की कि ब्रह्मांड के निर्माण खंडों में द्रव्यमान क्यों होता है। जबकि वैज्ञानिकों ने वर्षों तक इस कण का अलग से अध्ययन किया है, एक गहरा रहस्य अभी भी बना हुआ है: हिग्स बोसोन स्वयं के साथ कैसे परस्पर क्रिया करता है? भौतिकी के मानक मॉडल में, जो उप-परमाणु दुनिया को समझने के लिए स्वीकृत ढांचा है, हिग्स बोसोन को उच्च-ऊर्जा वाले प्रोटॉन आपस में टकराने पर अपने ही प्रकार के एक जोड़े को उत्पन्न करने में सक्षम होना चाहिए। यह स्व-परस्पर क्रिया (self-interaction) पहेली का एक महत्वपूर्ण हिस्सा है, जो उस ऊर्जा क्षेत्र के आकार को प्रकट करती है जो पूरे ब्रह्मांड में व्याप्त है। हालाँकि, यह प्रक्रिया अविश्वसनीय रूप से दुर्लभ और पहचान करने में कठिन है, जो अधिक सामान्य कण टकरावों के ढेर के नीचे दबी हुई है।

स्विट्जरलैंड में लार्ज हैड्रोन कोलाइडर में एटलस (ATLAS) डिटेक्टर का उपयोग करने वाले एक शोधकर्ता ने अब इस मायावी घटना पर एक ताज़ा नज़र डाली है। उन्होंने 2015 और 2018 के बीच दर्ज किए गए डेटा के एक विशाल संग्रह का विश्लेषण किया, जिसमें 13 ट्रिलियन इलेक्ट्रॉन वोल्ट के ऊर्जा स्तर पर खरबों प्रोटॉन टकरावों के बाद के परिणामों को कैद किया गया था। वैज्ञानिक एक बहुत ही विशिष्ट संकेत (signature) की तलाश में थे: एक ही घटना में हिग्स बोसोन के जोड़े का दिखाई देना, जहाँ एक जोड़ी बॉटम क्वार्क्स (bottom quarks) में बदल जाता है और दूसरा W बोसोन के जोड़े में परिवर्तित हो जाता है, जो बाद में एक आवेशित कण और अन्य मलबे में बदल जाता है। क्षय उत्पादों (decay products) का यह विशिष्ट संयोजन पहचानना चुनौतीपूर्ण है क्योंकि यह टॉप क्वार्क्स के क्षय से उत्पन्न होने वाले बैकग्राउंड शोर के समान दिखता है, जो कि एक बहुत अधिक सामान्य घटना है। सिग्नल को शोर से अलग करने के लिए, उन्होंने उन्नत कंप्यूटर एल्गोरिदम का उपयोग किया जिन्हें टकराव से निकलने वाले कणों के कोणों और ऊर्जाओं में सूक्ष्म पैटर्न को पहचानने के लिए प्रशिक्षित किया गया था।

इस खोज से हिग्स बोसोन के जोड़े अधिक बार प्रकट होने का कोई प्रमाण नहीं मिला जैसा कि मानक मॉडल भविष्यवाणी करता है। शोधकर्ता ने पाया कि उनके खोज मानदंडों से मेल खाने वाली घटनाओं की संख्या ज्ञात बैकग्राउंड प्रक्रियाओं से अपेक्षित परिणामों के अनुरूप थी। फलस्वरूप, उन्होंने इस बात का एक नया ऊपरी स्तर (upper limit) स्थापित किया कि यह जोड़ा उत्पादन कितनी बार हो सकता है। उनका विश्लेषण इंगित करता है कि यदि ये जोड़े बन रहे हैं, तो वे अनुमानित दर से 35 गुना से अधिक नहीं होते हैं। यह परिणाम पिछले प्रयासों की तुलना में एक महत्वपूर्ण सुधार है, जिन्होंने अनुमानित दर से 300 गुना अधिक का सीमा निर्धारित किया था, जिसका श्रेय बड़े डेटासेट और परिष्कृत विश्लेषण तकनीकों को जाता है। हालांकि यह नए भौतिक विज्ञान की पुष्टि नहीं करता है, लेकिन यह उन सिद्धांतों पर प्रतिबंध लगाता है जो प्रस्तावित करते हैं कि हिग्स बोसोन उम्मीद से अलग व्यवहार करता है।

मानक हिग्स जोड़ों को खोजने के अलावा, शोधकर्ता ने एक अलग प्रकार के विलक्षण (exotic) परिदृश्य की भी जांच की। उन्होंने इस संभावना की जांच की कि एक भारी, अज्ञात कण एक हल्के भारी कण और एक मानक हिग्स बोसोन में क्षय हो सकता है। घटनाओं की यह काल्पनिक श्रृंखला भी बॉटम क्वार्क्स और W बोसोन के उसी विशिष्ट संकेत को पीछे छोड़ देगी। शोधकर्ता ने इन काल्पनिक कणों की उपस्थिति का संकेत देने वाले डेटा में किसी भी अप्रत्याशित उछाल की तलाश करते हुए, संभावित द्रव्यमान की एक विस्तृत श्रृंखला को स्कैन किया। मानक हिग्स जोड़ों की खोज की तरह ही, ऐसे कोई संकेत नहीं मिले। डेटा सुचारू और बैकग्राउंड के अनुरूप बना रहा, जिससे वे इन भारी कणों के अस्तित्व को परीक्षण किए गए विशिष्ट द्रव्यमान श्रेणियों के भीतर खारिज करने में सक्षम हुए।

इन खोजों की अनुपस्थिति, अपने आप में, वैज्ञानिक प्रगति का एक महत्वपूर्ण हिस्सा है। यह पुष्टि करके कि हिग्स बोसोन काफी हद तक मानक मॉडल के अनुसार व्यवहार करता है, यहाँ तक कि इन दुर्लभ और जटिल अंतःक्रियाओं में भी, शोधकर्ता ने भविष्य के सिद्धांतों के लिए मार्ग को संकुचित कर दिया है। यह कार्य प्रदर्शित करता है कि ब्रह्मांड के मूलभूत बलों की वर्तमान समझ मजबूत है, भले ही यह भविष्य के अधिक संवेदनशील शोध के लिए द्वार खुला छोड़ती है। इस डेटा को छानने के लिए विकसित की गई तकनीकें, विशेष रूप से समान दिखने वाले कणों के प्रवाह के बीच अंतर करने के लिए मशीन लर्निंग का उपयोग, वास्तविकता की गहरी परतों की जांच करने की क्षमता में एक बड़ा कदम है। जैसे-जैसे लार्ज हैड्रोन कोलाइडर अपना संचालन जारी रखता है और अधिक डेटा एकत्र करता है, ये परिष्कृत विधियाँ उप-परमाणु दुनिया के भीतर छिपे रहस्यों की अगली परत को उजागर करने के लिए आवश्यक होंगी।

तकनीकी सारांश: ATLAS प्रयोग के साथ $\sqrt{s}=13$ TeV पर $b\bar{b}W^+W^-$ सिंगल लेप्टॉन फाइनल स्टेट में अन्य हिग्स या एक एक्सोटिक स्केलर बोसॉन के साथ हिग्स बोसॉन उत्पादन की खोज

समस्या और प्रेरणा
हिग्स बोसॉन ( $H$ ) स्टैंडर्ड मॉडल (SM) के इलेक्ट्रोवीक सिमेट्री ब्रेकिंग तंत्र के केंद्र में है। हालाँकि, हिग्स पोटेंशियल का आकार, जो हिग्स सेल्फ-कपलिंग को निर्धारित करता है, अभी भी उच्च सटीकता के साथ प्रयोगात्मक रूप से अनप्रोब्ड (unprobed) है। हिग्स बोसॉन पेयर ( $HH$ ) उत्पादन का मापन हिग्स सेल्फ-कपलिंग तक पहुँचने का प्राथमिक तरीका है। स्टैंडर्ड मॉडल नॉन-रेजोनेंट $HH$ उत्पादन के लिए एक अत्यंत छोटा क्रॉस-सेक्शन ( $\sigma \approx 31.1$ fb at 13 TeV) भविष्यवाणी करता है, जो टॉप-क्वार्क लूप योगदान और हिग्स सेल्फ-इंटरेक्शन वर्टेक्स द्वारा प्रभावी है।

इसके अतिरिक्त, बीयॉन्ड द स्टैंडर्ड मॉडल (BSM) सिद्धांत, जैसे कि सिंगलेट्स के साथ विस्तारित टू हिग्स डबलेट मॉडल्स (2HDM), भारी स्केलर रेजोनेंस ( $X$ ) के रेजोनेंट उत्पादन की भविष्यवाणी करते हैं जो स्केलर के जोड़े ( $X \to SH$ ) में क्षय होते हैं, जहाँ $S$ एक भारी स्केलर है और $H$ एक SM-लाइक हिग्स है। $b\bar{b}W^+W^-$ फाइनल स्टेट इन खोजों के लिए एक महत्वपूर्ण चैनल है। जबकि इसमें $4b$ फाइनल स्टेट के बाद दूसरा सबसे अधिक ब्रांचिंग फ्रैक्शन है, यह टॉप-क्वार्क पेयर ( $t\bar{t}$ ) उत्पादन के अत्यधिक बैकग्राउंड के कारण प्रयोगात्मक रूप से चुनौतीपूर्ण है, जो समान फाइनल स्टेट टोपोलॉजी ( $b\bar{b}\ell\nu q\bar{q}'$ ) साझा करता है। यह विश्लेषण पूर्ण ATLAS रन 2 डेटासेट का उपयोग करके सिंगल लेप्टॉन ( $e$ या $\mu$ ) चैनल में नॉन-रेजोनेंट $HH$ उत्पादन और रेजोनेंट $X \to SH$ उत्पादन दोनों की जांच करने का लक्ष्य रखता है।

कार्यप्रणाली (Methodology)
यह विश्लेषण 2015 और 2018 के बीच $\sqrt{s}=13$ TeV पर ATLAS डिटेक्टर द्वारा रिकॉर्ड किए गए प्रोटॉन-प्रोटॉन कोलिजन डेटा का उपयोग करता है, जो 140 fb $^{-1}$ के एकीकृत ल्यूमिनोसिटी (integrated luminosity) के अनुरूप है। खोज मुख्य रूप से ठीक एक चार्ज लेप्टॉन ( $e$ या $\mu$ ), बड़े मिसिंग ट्रांसवर्स मोमेंटम ( $E_T^{\text{miss}}$ ), और कम से कम चार जेट्स, जिनमें ठीक दो $b$ -टैग्ड जेट्स शामिल हैं, वाले इवेंट्स को लक्षित करती है।

इवेंट सिलेक्शन और किनमैटिक वेरिएबल्स:
$t\bar{t}$ बैकग्राउंड से सिग्नल को अलग करने के लिए, विश्लेषण एक किनमैटिक वेरिएबल्स का उपयोग करता है जो यह परीक्षण करने के लिए डिज़ाइन किए गए हैं कि इवेंट $HH$ या $t\bar{t}$ हाइपोथीसिस में से किसी एक के साथ कितना सुसंगत है।
- हिग्सनेस ( $H$ ) और टॉपनेस ( $T$ ): ये वेरिएबल्स एक $\chi^2$ -जैसे फंक्शन को मिनिमाइज़ करके बनाए जाते हैं जो ज्ञात $W$ बोसॉन, टॉप क्वार्क और हिग्स बोसॉन के द्रव्यमानों के साथ जेट कॉम्बिनेशन के पुनर्गठित इनवेरिएंट मास की तुलना करता है। $T$ , $t\bar{t}$ हाइपोथीसिस का परीक्षण करता है, जबकि $H$ , $HH$ हाइपोथीसिस का परीक्षण करता है।
- किनमैटिक फिट्स: $HH$ या $t\bar{t}$ दोनों हाइपोथीसिस के तहत इवेंट के किनमैटिक्स को और अधिक बाधित करने के लिए लाइकलीहुड-आधारित किनमैटिक फिट्स ( $\Lambda_{HH}$ और $\Lambda_{t\bar{t}}$ ) किए जाते हैं।
- अतिरिक्त वेरिएबल्स: 40 इनपुट वेरिएबल्स का एक सेट, जिसमें जेट मल्टीसिटी, ट्रांसवर्स मोमेंटा, कोणीय दूरियां ( $\Delta R$ , $\Delta \phi$ ), और ट्रांसवर्स मास ( $m_T$ ) शामिल हैं, उपयोग किया जाता है।
मशीन लर्निंग डिस्क्रिमिनेशन:
एक डीप न्यूरल नेटवर्क (DNN) को सिग्नल ( $HH$ या $SH$ ) और तीन मुख्य बैकग्राउंड प्रक्रियाओं: $t\bar{t}$ , $W$ +jets, और सिंगल-टॉप के बीच सेपरेशन को अधिकतम करने के लिए प्रशिक्षित किया गया है। DNN आर्किटेक्चर में पांच डेंस लेयर्स हैं जिनमें 512 नोड्स हैं (सिवाय अंतिम हिडन लेयर के जिसमें 256 नोड्स हैं), जो ओवरफिटिंग को रोकने के लिए ReLU एक्टिवेशन फंक्शन्स और ड्रॉपआउट लेयर्स का उपयोग करती हैं। इसका आउटपुट एक डिस्क्रिमिनेट वेरिएबल $d_{HH}$ (या रेजोनेंट खोजों के लिए $d_{SH}$ ) है, जिसे सिग्नल प्रोबेबिलिटी और बैकग्राउंड प्रोबेबिलिटी के योग के अनुपात के लॉगरिदम के रूप में परिभाषित किया गया है।
बैकग्राउंड एस्टीमेशन:
- प्रॉम्ट लेप्टॉन्स: $t\bar{t}$ , $W$ +jets, और सिंगल-टॉप से होने वाले बैकग्राउंड को मोंटे कार्लो (MC) सिमुलेशन (Powheg-Box, MadGraph5_aMC@NLO, Sherpa) का उपयोग करके मॉडल किया गया है और डेटा-ड्रिवन कंट्रोल रीजन्स (CRs) का उपयोग करके नॉर्मलाइज किया गया है।
- फेक/नॉन-प्रॉम्ट लेप्टॉन्स: इनका अनुमान "फेक-फैक्टर" पद्धति का उपयोग करके लगाया जाता है। फेक फैक्टर्स को डेटा-एनरिच्ड कंट्रोल रीजन्स में प्राप्त किया जाता है और उन्हें लूज़ लेप्टॉन्स वाले सिग्नल रीजन्स (SRs) में लागू किया जाता है।
- वैलिडेशन: यह सुनिश्चित करने के लिए कि बैकग्राउंड नॉर्मलाइजेशन और किनमैटिक डिस्ट्रीब्यूशन के मॉडलिंग के लिए MC और डेटा के बीच सहमति है, वैलिडेशन रीजन्स (VRs) को SRs को देखने से पहले परिभाषित किया गया है।
सिग्नल रीजन्स और कैटेगराइजेशन:
विश्लेषण को नॉन-रेजोनेंट ( $HH$ ) और रेजोनेंट ( $X \to SH$ ) खोजों में विभाजित किया गया है।
- नॉन-रेजोनेंट: इवेंट्स को ट्रिगर प्रकार (सिंगल-लेप्टॉन या MET) और लेप्टॉन फ्लेवर के आधार पर वर्गीकृत किया जाता है। SRs को DNN डिस्क्रिमिनेट $d_{HH}$ और $\log(T)$ पर आधारित कट्स द्वारा परिभाषित किया गया है।
- रेजोनेंट: खोज में स्केलर द्रव्यमानों का एक ग्रिड ( $m_X \in [350, 3000]$ GeV, $m_S \in [170, 2500]$ GeV) कवर किया गया है। डिके प्रोडक्ट्स के बूस्ट की विस्तृत रेंज को संभालने के लिए, सिग्नल सैंपल्स को छह श्रेणियों (SH0–SH5) में समूहबद्ध किया गया है। प्रत्येक समूह के लिए समर्पित DNN डिस्क्रिमिनेटर्स ( $d_{SHi}$ ) प्रशिक्षित किए गए हैं।

मुख्य योगदान (Key Contributions)

सिंगल-लेप्टॉन $b\bar{b}W^+W^-$ चैनल में अपडेटेड ATLAS परिणाम: यह पेपर पूर्ण रन 2 डेटासेट (140 fb $^{-1}$ ) का उपयोग करके सिंगल-लेप्टॉन चैनल में $HH \to b\bar{b}W^+W^-$ के लिए एक अपडेटेड ATLAS खोज प्रस्तुत करता है, जो पिछले 36 fb $^{-1}$ आधारित विश्लेषण की तुलना में महत्वपूर्ण सुधार करता है।
$b\bar{b}W^+W^-$ में रेजोनेंट खोज: यह ATLAS द्वारा सिंगल-लेप्टॉन डिके चैनल में पहले रेजोनेंट $X \to SH \to b\bar{b}W^+W^-$ प्रक्रिया की जांच प्रदान करता है, जो विभिन्न स्केलर द्रव्यमानों पर सीमाएं (limits) निर्धारित करता है।
उन्नत बैकग्राउंड रिजेक्शन: 40 किनमैटिक वेरिएबल्स का उपयोग करने वाला एक मल्टी-आउटपुट DNN, सरल किनमैटिक कट्स पर निर्भर पिछले विश्लेषणों की तुलना में सिग्नल और इरेडिसेबल (irreducible) $t\bar{t}$ बैकग्राउंड के बीच सेपरेशन को काफी बेहतर बनाता है।
रिजॉल्व्ड टोपोलॉजी फोकस: विश्लेषण स्पष्ट रूप से "रिजॉल्व्ड" टोपोलॉजी पर ध्यान केंद्रित करता है जहाँ हिग्स डिके से $b$ -क्वार्क्स को दो अलग-अलग जेट्स के रूप में पुनर्गठित किया जाता है, "बूस्टेड" टोपोलॉजी को छोड़कर जहाँ वे एक ही बड़े-रेडियस जेट में विलीन हो जाते हैं।

परिणाम (Results)

नॉन-रेजोनेंट $HH$ खोज:
SM बैकग्राउंड एक्सपेक्टेशन के ऊपर इवेंट्स का कोई महत्वपूर्ण अधिशेष (excess) नहीं देखा गया। नॉन-रेजोनेंट $HH$ उत्पादन के लिए 95% कॉन्फिडेंस लेवल (CL) पर ऑब्जर्व्ड (एक्सपेक्टेड) अपर लिमिट है:
$\sigma(pp \to HH) < 1.08 \text{ (0.72}^{+0.31}_{-0.22}\text{) pb}$
यह SM प्रेडिक्टेड क्रॉस-सेक्शन का 35 (23 $^{+10}_{-7}$ ) गुना है। ऑब्जर्व्ड लिमिट एक्सपेक्टेड लिमिट से +1.1 $\sigma$ के भीतर है।
रेजोनेंट $X \to SH$ खोज:
किसी भी रेजोनेंट सिग्नल रीजन में SM प्रेडिक्शन से कोई सांख्यिकीय रूप से महत्वपूर्ण विसंगति नहीं पाई गई। विभिन्न $m_X$ और $m_S$ संयोजनों के लिए $\sigma(pp \to X \to SH) \times \mathcal{B}(SH \to b\bar{b}W^+W^)$ पर 95% CL पर एक्सक्लूजन लिमिट्स सेट की गईं।

महत्ता और दावे (Significance and Claims)
पेपर उसी चैनल में पिछले ATLAS परिणामों की तुलना में पर्याप्त संवेदनशीलता (sensitivity) में सुधार का दावा करता है। नॉन-रेजोनेंट $HH$ उत्पादन के लिए सीमा 36 fb $^{-1}$ विश्लेषण की तुलना में 13 गुना अधिक मजबूत है। लेखक इस सुधार का श्रेय दो मुख्य कारकों को देते हैं:

डेटा वॉल्यूम: बड़े डेटासेट (140 fb $^{-1}$ बनाम 36 fb $^{-1}$ ) के कारण $\sim$ 2 का सुधार।
एनालिसिस ऑप्टिमाइजेशन: $\sim$ 6.6 का सुधार जो अनुकूलित विश्लेषण प्रक्रियाओं से प्राप्त हुआ है, विशेष रूप से न्यूरल नेटवर्क डिस्क्रिमिनेट, बेहतर मल्टीजेट बैकग्राउंड रिजेक्शन और एस्टीमेशन, और एक रिफाइंड बैकग्राउंड कंट्रोल रीजन के डिजाइन से।

लेखक नोट करते हैं कि हालांकि यह विश्लेषण अभी भी अन्य $HH$ डिके चैनलों के साथ प्रतिस्पर्धी नहीं है (मुख्य रूप से बड़े $t\bar{t}$ बैकग्राउंड के कारण), मशीन लर्निंग तकनीकों का उपयोग ने खोज क्षमता को काफी बढ़ाया है। परिणाम SM के अनुरूप हैं, और नॉन-रेजोनेंट $HH$ या रेजोनेंट $X \to SH$ उत्पादन के रूप में नई भौतिकी का कोई प्रमाण नहीं मिला है।

इसी तरह के और पेपर