Search for squarks and gluinos in $pp$ collisions at $\sqrt{s} = 13$ TeV and $13.6$ TeV in events with $τ$-leptons, jets and missing transverse momentum using the ATLAS detector

Utilizzando il rivelatore ATLAS, questo articolo presenta una ricerca di supersimmetria con conservazione della parità R in collisioni protone-protone a 13 e 13,6 TeV che coinvolgono tau-leptoni, jet e momento trasverso mancante, il che esclude masse dei gluini inferiori a 2,25 TeV e masse degli squark fino a 1,7 TeV sulla base di 140 fb⁻¹ e 51,8 fb⁻¹ di dati.

L'essenziale

Il quadro generale: Alla ricerca di particelle "fantasma"

Immaginate che l'universo sia una gigantesca corsa automobilistica ad alta velocità. Il Large Hadron Collider (LHC) è la pista e il rivelatore ATLAS è un massiccio sistema di telecamere ultra-veloci che registra ogni incidente.

I fisici conoscono molto bene le regole della corsa; questo libro delle regole si chiama Modello Standard. Spiega come si comportano particelle come elettroni e quark. Ma il libro delle regole presenta dei buchi. Non spiega perché la gravità sia così debole rispetto alle altre forze, o cosa sia realmente la Materia Oscura (la sostanza invisibile che tiene insieme le galassie).

Per colmare questi buchi, gli scienziati hanno una teoria chiamata Supersimmetria (SUSY). È come una teoria del "mondo ombra". Suggerisce che per ogni particella nota (come un quark), esista un "super-partner" più pesante e invisibile (come uno squark o un gluino). Se questi super-partner esistessero, sarebbero i candidati perfetti per la Materia Oscura.

La missione: Catturare le ombre

Il problema è che non abbiamo mai visto questi super-partner. Se esistono, sono probabilmente molto pesanti e decadono (si frammentano) istantaneamente in altre particelle.

Questo articolo descrive la ricerca di una specifica "firma" di questi super-partner. Gli scienziati cercano un impatto che produca:

1. Jet: Schizzi di particelle ordinarie (come detriti da un impatto).
2. Leptoni Tau: Un tipo specifico di particella pesante (pensatela come un "elettrone pesante").
3. Momento trasverso mancante: Questo è l'indizio più importante. In un impatto normale, i detriti volano in tutte le direzioni, bilanciandosi perfettamente. Se la telecamera vede detriti volare in una direzione ma nulla che voli nella direzione opposta, significa che qualcosa di invisibile è volato fuori dalla pista. In questa teoria, quel "qualcosa di invisibile" è il LSP (Particella Supersimmetrica più Leggera), che è il nostro candidato per la Materia Oscura.

La strategia: Due diversi stili investigativi

Il team non ha cercato i dati in un solo modo. Ha utilizzato due diversi stili investigativi per assicurarsi di non perdere nulla.

1. L'approccio "Cut-and-Count" (Il filtro rigido)
Immaginate di cercare un tipo specifico di pesce in uno stagno. Preparate una rete con fori molto specifici: "Cattura solo pesci che sono più grandi di 12 centimetri, hanno pinne rosse e nuotano verso sinistra".

• Come funziona: Gli scienziati impostano regole rigide (tagli) sui dati. Ad esempio, "Guardiamo solo gli impatti in cui l'energia mancante è enorme" oppure "Guardiamo solo gli impatti in cui la particella tau si muove molto lentamente".
• Perché: Questo è ottimo per trovare schemi specifici e prevedibili. Hanno creato diverse "reti" per diversi scenari: una per i modelli "compressi" (dove le super-particelle hanno masse vicine) e una per i modelli ad "alta massa".

2. L'approccio Machine Learning (L'IA intelligente)
Immaginate che, invece di impostare regole rigide, assumiate un'IA super intelligente che ha studiato milioni di foto di impatti normali e alcune foto di impatti "ombra".

• Come funziona: Hanno fornito al computer milioni di impatti simulati. L'IA ha imparato a individuare schemi sottili che gli esseri umani potrebbero perdere. Non guardava solo un singolo numero; guardava la forma dell'intero evento.
• Il risultato: L'IA assegna a ogni impatto un "punteggio di sospetto" da 0 a 1. Se il punteggio è alto, è probabile che si tratti di una particella ombra. Se è basso, si tratta solo di un impatto normale. Questo metodo è molto inclusivo e cattura una gamma più ampia di potenziali segnali.

I dati: Una biblioteca massiccia

Gli scienziati non hanno analizzato solo pochi impatti. Hanno analizzato una biblioteca di dati massiccia:

• 140 "Petabyte" di dati (raccolti tra il 2015 e il 2018).
• 51,8 "Petabyte" di dati (raccolti tra il 2022 e il 2023).
• Hanno esaminato tre diversi "canali" (tipi di impatti):
  • Esattamente una particella tau e nessuna altra particella leggera.
  • Esattamente una particella tau e almeno un'altra particella leggera (elettrone o muone).
  • Due o più particelle tau.

La sfida: I segnali "falsi"

Una delle parti più difficili di questo lavoro è distinguere una vera "particella tau" da una "tau falsa".

• L'analogia: Immaginate di cercare un tipo specifico di uccello. Ma a volte, una nuvola sembra un uccello, o un pezzo di spazzatura sembra un uccello.
• La soluzione: Gli scienziati hanno utilizzato un metodo "basato sui dati". Hanno osservato aree dei dati in cui sapevano che non c'erano particelle ombra, hanno contato quante volte le nuvole sembravano uccelli e hanno usato quella matematica per stimare quanti "uccelli falsi" ci fossero nella loro area di ricerca principale. Ciò ha permesso loro di sottrarre il rumore e vedere il segnale reale.

I risultati: Il silenzio delle ombre

Dopo aver elaborato i numeri, controllato i punteggi dell'IA e confrontato i filtri rigidi con i dati, il risultato è stato chiaro: non hanno trovato nulla.

• Nessun fantasma: Non ci sono state deviazioni significative dal Modello Standard. Il numero di eventi di "energia mancante" corrispondeva esattamente a quanto previsto dalla fisica nota.
• L'esclusione: Sebbene non abbiano trovato le particelle, hanno scoperto dove non si trovano.
  • Possono ora affermare con una confidenza del 95% che i Gluini (un tipo di super-partner) non sono più leggeri di 2,25 TeV (una massa molto elevata).
  • Possono affermare che gli Squark non sono più leggeri di 1,7 TeV.
  • Hanno escluso molte combinazioni specifiche di masse per le particelle "ombra".

La conclusione

Pensate a questa ricerca come alla ricerca di un ago in un pagliaio. Gli scienziati non hanno trovato l'ago. Tuttavia, usando magneti migliori (nuovi rilevatori), un pagliaio più grande (nuovi dati) e algoritmi di ricerca più intelligenti (Machine Learning), sono stati in grado di dimostrare che l'ago non si trova nella metà inferiore del pagliaio.

Hanno spinto i confini di dove sappiamo che queste particelle non possono esistere, costringendo i teorici a ripensare dove cercare in seguito. La ricerca continua, ma i posti "facili" in cui trovare queste particelle sono stati esclusi.

Sommario tecnico

Sintesi Tecnica: Ricerca di Squark e Gluini in Eventi con $\tau$-Leptoni, Jet e Momento Trasverso Mancante

Problema e Motivazione
Il Modello Standard (SM) della fisica delle particelle, sebbene sperimentalmente robusto, rimane una teoria effettiva incompleta. Esso non affronta il problema della gerarchia, la finezza del potenziale di Higgs e la natura della materia oscura. La Supersimmetria (SUSY) offre un'estensione teorica che introduce una simmetria tra bosoni e fermioni, predicendo superpartner per tutte le particelle note. In molti scenari SUSY, la parità-R è conservata, il che implica che le particelle supersimmetriche siano prodotte in coppie e che il particella supersimmetrica più leggera (LSP) sia stabile, fungendo da candidato valido per la materia oscura.

Questo articolo presenta una ricerca di SUSY con conservazione della parità-R, mirando specificamente alla produzione in coppia di gluini ($\tilde{g}$) e squark di prima o seconda generazione a mano sinistra ($\tilde{q}$). L'analisi si concentra su catene di decadimento in cui queste particelle decadono attraverso stati intermedi ($\tilde{\chi}^{\pm}_1$, $\tilde{\chi}^0_2$) in $\tau$-sleptoni ($\tilde{\tau}$) o $\tilde{\nu}_{\tau}$-tau-neutrini, che successivamente decadono nell'LSP ($\tilde{\chi}^0_1$) e in un $\tau$-leptone SM o $\nu_{\tau}$. Ciò risulta in stati finali caratterizzati da $\tau$-leptoni con decadimento adronico, jet e un significativo momento trasverso mancante ($E^{\text{miss}}_T$). Ricerche precedenti da parte di ATLAS (2015–2016) e CMS (2011) hanno escluso masse dei gluini inferiori a 2 TeV e 1,15 TeV, rispettivamente. Questa analisi mira a estendere tali limiti utilizzando l'intero dataset della Run 2 e i primi dati della Run 3, sfruttando tecniche di ricostruzione migliorate e strategie di analisi avanzate.

Metodologia
L'analisi utilizza dati di collisioni protone-protone raccolti dal rivelatore ATLAS a energie del centro di massa di $\sqrt{s} = 13$ TeV (2015–2018, 140 fb$^{-1}$) e $\sqrt{s} = 13,6$ TeV (2022–2023, 51,8 fb$^{-1}$).

• Selezione degli Eventi e Canali: Gli eventi devono superare una preselezione di $E^{\text{miss}}_T > 200$ GeV, almeno un $\tau$-leptone con decadimento adronico e almeno due jet (uno con $p_T > 120$ GeV). La ricerca è suddivisa in tre canali ortogonali basati sul contenuto leptonico:

  1. 1tau0lep: Esattamente un $\tau$ adronico, nessun elettrone o muone.
  2. 1tau1lep: Esattamente un $\tau$ adronico e almeno un elettrone o un muone.
  3. 2tau: Due o più $\tau$-leptoni adronici.

• Strategie di Analisi: Vengono impiegate due strategie indipendenti che vengono combinate statisticamente:

  1. Approccio basato sul Machine Learning (ML): Una classificazione multi-classe utilizzando alberi decisionali potenziati (XGBoost) viene addestrata per distinguere il segnale dai background del SM (inclusi $W$+jets, $Z$+jets, dibosoni, Top e falsi $\tau$). Viene utilizzato l'intero spazio delle fasi, con Regioni di Segnale (SR) definite da punteggi del classificatore elevati (>0,75–0,8). Questo approccio cattura le correlazioni tra le variabili senza imporre tagli cinematici rigidi.
  2. Approccio Cut-and-Count: Vengono applicati tagli di selezione tradizionali per definire le SR ottimizzate per specifiche topologie di segnale. Questo include SR "Compresse" (che mirano a scarti di massa $\Delta m$ bassi con $\tau$-leptoni "soft") e SR "High Mass" (che mirano a grandi scarti di massa). Variabili cinematiche come $E^{\text{miss}}_T$, $H_T$ e masse trasverse ($m_T$, $m_{T2}$) sono utilizzate per la binnatura.

• Stima del Background:

  • Top e Dibosoni: Stimati tramite simulazioni Monte Carlo (MC) normalizzate ai dati in regioni di controllo (CR) dedicate.
  • Falsi $\tau$ (jet identificati erroneamente come $\tau$): Stimati utilizzando un approccio basato sui dati chiamato Universal Fake Factor (UFF). I fattori di falso sono misurati in regioni dedicate (Multijet, $Z(\ell\ell)$, $W(\mu\nu)$) e applicati a regioni di anti-identificazione dell'analisi.
  • Incertezze Sistematiche: Viene considerato un insieme completo di incertezze, tra cui la calibrazione del rivelatore (jet, $\tau$, leptoni), la luminosità, l'effetto pile-up, la modellizzazione teorica (PDF, variazioni di scala) e le incertezze statistiche nei metodi basati sui dati.

• Analisi Statistica: Una fit di verosimiglianza simultanea (utilizzando HistFitter/pyhf) viene eseguita attraverso tutte le CR, le Regioni di Validazione (VR) e le SR. Fit basati solo sul background vengono utilizzati per validare la modellizzazione, mentre i fit dipendenti dal modello (prescrizione CL$_s$) sono utilizzati per stabilire limiti di esclusione su modelli SUSY semplificati.

Contributi Chiave

• Combinazione dei dati Run 2 e Run 3: Questa è la prima ricerca ATLAS in questo canale che combina l'intero dataset della Run 2 con i primi dati della Run 3 a 13,6 TeV, aumentando significativamente il potere statistico.
• Approccio a Doppia Strategia: L'uso simultaneo di strategie basate su ML e cut-and-count permette un'ottimale sensibilità attraverso diverse regioni dello spazio dei parametri della SUSY. L'approccio ML eccelle nelle regioni ad alta massa, mentre l'approccio cut-and-count, con le sue dedicate SR compresse, è superiore per gli scenari con basso scarto di massa.
• Modellazione Avanzata del Background: L'implementazione del metodo UFF per la stima dei falsi $\tau$ e l'uso di BDT multi-classe per la separazione segnale/background rappresentano un raffinamento rispetto alle iterazioni precedenti.
• Combinazione Completa dei Canali: La combinazione statistica dei canali 1tau0lep, 1tau1lep e 2tau massimizza la sensibilità a varie topologie di decadimento.

Risultati
Non sono state osservate deviazioni significative dalle previsioni del SM in nessuna delle regioni di segnale. Il massimo eccesso locale ha avuto una significatività inferiore a $2\sigma$.

• Limiti di Esclusione:

  • Modelli di Gluino: Sono esclusi gluini con masse ($m_{\tilde{g}}$) fino a 2,25 TeV per masse dell'LSP ($m_{\tilde{\chi}^0_1}$) fino a 1,35 TeV. Nella regione compressa, sono esclusi modelli con $\Delta m(\tilde{g}, \tilde{\chi}^0_1) > 150$ GeV.
  • Modelli di Squark: Sono esclusi squark con masse ($m_{\tilde{q}}$) fino a 1,7 TeV per masse dell'LSP fino a 0,85 TeV. Nella regione compressa, sono esclusi modelli con $\Delta m(\tilde{q}, \tilde{\chi}^0_1) > 130$ GeV.
  • Confronto: Questi limiti rappresentano un miglioramento significativo rispetto alle ricerche precedenti (ad esempio, l'analisi 2015–2016), guidato principalmente dal dataset più ampio, dall'identificazione migliorata dei $\tau$-leptoni e dall'inclusione di tecniche ML.

• Limiti Indipendenti dal Modello: Sono stati stabiliti limiti superiori sulla sezione d'urto visibile ($\sigma_{\text{vis}}$) per processi di nuova fisica in specifiche SR, con valori compresi tra 0,02 e 0,31 fb al livello di confidenza del 95%.

Significatività
L'articolo conclude che la ricerca stabilisce i limiti più stringenti ad oggi su modelli semplificati di SUSY che coinvolgono la produzione in coppia di gluini o squark con decadimenti a cascata ricchi di $\tau$. L'assenza di un segnale restringe lo spazio dei parametri per la SUSY con conservazione della parità-R, escludendo in particolare scenari di gluini e squark più leggeri che erano precedentemente accessibili. Lo studio dimostra l'efficacia della combinazione di metodi tradizionali basati su tagli con l'apprendimento automatico e dell'utilizzo dei primi dati della Run 3 per sondare scale di massa più elevate e spettri più compressi. I risultati sono interpretati nel contesto di modelli semplificati, ma si nota che sono applicabili anche ad altri framework SUSY (come NUHM, mSUGRA o GMSB) che producono stati finali simili.