Model-independent measurement of the Higgs boson associated production with two jets and decaying to a pair of W bosons in proton-proton collisions at $\sqrt{s}$ = 13 TeV

Questo studio presenta una misurazione indipendente dal modello della sezione d'urto differenziale di produzione del bosone di Higgs associato a due jet e decadente in una coppia di bosoni W, utilizzando i dati raccolti dal rivelatore CMS a 13 TeV per vincolare i parametri dell'EFT.

L'essenziale

🕵️‍♂️ La Caccia al "Fantasma" con Due Compagni di Gioco

Immagina di essere in una stanza piena di gente che balla (il LHC, l'acceleratore di particelle). In mezzo a questa folla, a volte succede qualcosa di magico: due persone si scontrano e, per un istante brevissimo, appare un "fantasma" invisibile chiamato Bosone di Higgs.

Questo fantasma è speciale perché è molto pesante e instabile: appena nasce, si spezza immediatamente in due pezzi che volano via. In questo esperimento, i fisici del CMS hanno cercato un caso specifico: il fantasma che si spezza in due bosoni W (come due palline da tennis che rimbalzano via), e che, nel frattempo, ha lasciato dietro di sé due getti di particelle (come due scie di fumo lasciate da due aerei che passano veloci).

🎯 L'Obiettivo: Misurare la "Danza" senza Pregiudizi

Il problema è che il fantasma è difficile da vedere. È nascosto in mezzo a miliardi di altri eventi banali. Inoltre, i fisici hanno un dubbio: "E se il fantasma si comportasse in modo diverso da come pensiamo? E se avesse una personalità 'strana' che non conosciamo ancora?"

In passato, per cercare il fantasma, i fisici usavano una "lente" (un modello teorico) che diceva: "Cerca solo se si comporta esattamente così". Se il fantasma avesse fatto qualcosa di diverso, la lente lo avrebbe ignorato.

La novità di questo studio è usare una "lente magica" (l'Intelligenza Artificiale).
Hanno creato un algoritmo di apprendimento automatico (una specie di detective robot) che non sa come dovrebbe comportarsi il fantasma. È come se aveste un investigatore che non ha mai letto il libro del caso: guarda solo le prove (le traiettorie delle particelle) e dice: "Ehi, questo gruppo di eventi sembra diverso dal rumore di fondo, indipendentemente da cosa sia esattamente". Questo rende la misura indipendente dal modello: non importa se il fantasma è "buono" o "cattivo", il detective lo trova lo stesso.

🌪️ La Rotazione delle Scie (L'angolo tra i due jet)

Cosa hanno misurato esattamente? Hanno guardato la distanza angolare tra le due scie di fumo (i due jet) lasciate dal fantasma.

Immagina di lanciare due sassi in uno stagno.

• Se il fantasma è "normale" (come previsto dalla fisica standard), le scie dei sassi possono formarsi in qualsiasi direzione con la stessa probabilità.
• Se il fantasma ha una natura "strana" (ad esempio, viola una simmetria fondamentale chiamata CP), le scie tenderanno a formarsi preferenzialmente in certe direzioni, evitando altre.

È come se il fantasma fosse un ballerino:

• Se balla come previsto, gira su se stesso in modo uniforme.
• Se balla "strano", preferisce girare solo a destra o solo a sinistra, creando uno squilibrio.

I fisici hanno misurato questa "danza" dividendo l'angolo tra le scie in quattro fette (come una pizza tagliata in quattro).

🧠 Il Detective Robot (L'Intelligenza Artificiale Adversaria)

Per separare il segnale vero dal rumore di fondo, hanno usato una tecnica geniale chiamata ADNN (Rete Neurale Adversaria).
Immagina due giocatori di scacchi:

1. Il Classificatore: Cerca di dire "Questo è il fantasma!" o "Questo è rumore!".
2. L'Avversario: Cerca di indovinare "Che tipo di fantasma è questo? È il modello A, B o C?".

Il Classificatore viene punito se l'Avversario riesce a indovinare il tipo di fantasma. Quindi, il Classificatore è costretto a imparare a riconoscere il fantasma basandosi solo sulle caratteristiche che non cambiano a seconda del modello teorico. È come se il detective imparasse a riconoscere l'impronta digitale del crimine senza sapere chi è il colpevole specifico.

📊 I Risultati: Tutto va come previsto (per ora!)

Dopo aver analizzato 13 anni di dati (dal 2016 al 2018), che corrispondono a un'enorme quantità di collisioni (138 "femtobarn" di luminosità integrata, un numero che è difficile da immaginare, ma pensate a trilioni di collisioni), ecco cosa hanno scoperto:

1. Il fantasma esiste e si comporta bene: La "danza" delle scie corrisponde esattamente a quanto previsto dal Modello Standard (la nostra attuale migliore teoria della fisica). Non hanno trovato prove di "balli strani" o di violazioni di simmetrie che indicassero nuova fisica.
2. Misurazioni precise: Hanno misurato quanto spesso succede questo evento in ogni fetta della "pizza" angolare. I risultati sono in accordo con le previsioni.
3. Nessuna nuova fisica (ancora): Hanno usato questi dati per mettere dei "freni" (vincoli) su quanto potrebbero essere "strani" i parametri del fantasma. Finora, i freni sono molto stretti: il fantasma sembra molto "normale".

🏁 In Sintesi

Questo paper è come un rapporto di un'indagine molto sofisticata. I fisici hanno costruito un detective robot così intelligente da non avere pregiudizi su chi cercasse. Hanno guardato come ballano le particelle dopo la nascita del Bosone di Higgs e hanno detto: "Fino a prova contraria, il ballerino segue le regole della musica classica. Non abbiamo ancora trovato la musica jazz nascosta".

È un risultato importante perché conferma che la nostra mappa dell'universo (il Modello Standard) è ancora solida, anche se sappiamo che deve esserci qualcosa di più grande da scoprire. Per ora, però, il Bosone di Higgs continua a essere il protagonista rispettoso delle regole.

Sommario tecnico

1. Il Problema e l'Obiettivo

L'obiettivo principale di questo studio è effettuare una misurazione indipendente dal modello della sezione d'urto differenziale di produzione del bosone di Higgs ($H$) che decade in una coppia di bosoni W ($H \to WW$), associato alla produzione di due getti (jets).

Il focus specifico è sull'osservabile $\Delta\Phi_{jj}$, ovvero la differenza dell'angolo azimutale tra i due getti principali. Questa variabile è estremamente sensibile alla presenza di accoppiamenti anomali (AC) tra il bosone di Higgs e i bosoni vettoriali (HVV).

• Nel Modello Standard (SM), la distribuzione di $\Delta\Phi_{jj}$ per il processo di fusione di bosoni vettoriali (VBF) è quasi piatta.
• In scenari di fisica oltre il Modello Standard (BSM), la presenza di accoppiamenti CP-pari o CP-dispari modifica drasticamente la forma di questa distribuzione (soppressione a certi angoli o asimmetrie).

La sfida tecnica risiede nel fatto che le misurazioni tradizionali dipendono spesso da assunzioni specifiche sul modello del segnale durante l'estrazione statistica, introducendo potenziali bias se il modello reale differisce dalle aspettative. Questo lavoro mira a massimizzare l'indipendenza dal modello per permettere una reinterpretazione robusta dei dati in diversi scenari teorici.

2. Metodologia e Analisi dei Dati

Dati e Rilevatore:

• Dati: Campione di collisioni protone-protone a $\sqrt{s} = 13$ TeV raccolte dal rivelatore CMS tra il 2016 e il 2018.
• Luminosità integrata: 138 fb$^{-1}$.
• Canale di decadimento: $H \to WW \to e\nu\mu\nu$ (stato finale con un elettrone, un muone e momento trasverso mancante $p_T^{miss}$).
• Selezione: Richiesta di due leptoni di sapore diverso ($e\mu$) con carica opposta, due getti con $p_T > 30$ GeV e massa invariante $m_{jj} > 120$ GeV. Sono definiti una regione di segnale (SR) e regioni di controllo (CR) per i quark top e il Drell-Yan (DY).

Approccio "Model-Agnostic" (Indipendente dal Modello):
Il cuore innovativo dell'analisi è l'uso di una rete neurale avversaria (Adversarial Deep Neural Network - ADNN) per la classificazione segnale/fondo.

• Architettura: Due reti neurali competono: un classificatore (C) che separa segnale da fondo, e un avversario (A) che cerca di inferire l'ipotesi fisica sottostante (es. accoppiamenti CP-pari vs CP-dispari) dai dati del classificatore.
• Obiettivo: Il classificatore viene penalizzato se le sue rappresentazioni interne sono sensibili all'ipotesi del segnale. Questo forza il classificatore a basarsi su caratteristiche invarianti rispetto al modello, rendendo la distribuzione del punteggio della rete (score) stabile indipendentemente dagli accoppiamenti HVV ipotizzati.
• Due reti distinte: Sono state addestrate due ADNN separate, una specifica per il processo VBF (VBF-ADNN) e una per la fusione gluone-gluone (ggH-ADNN), per massimizzare la sensibilità a entrambi i meccanismi di produzione.

Estrazione del Segnale:

• Vengono eseguiti fit di verosimiglianza massimale simultanei su più configurazioni:
  1. Misura combinata di VBF + ggH.
  2. Misura simultanea e indipendente di VBF e ggH.
  3. Misura di VBF fissando ggH al valore SM (per vincoli più stringenti sugli accoppiamenti anomali).
• Le sezioni d'urto sono misurate in quattro bin di $\Delta\Phi_{jj}$ e sottoposte a procedure di unfolding per correggere gli effetti del rivelatore, permettendo il confronto diretto con qualsiasi modello teorico.

3. Contributi Chiave

1. Indipendenza dal Modello: L'uso dell'ADNN riduce la dipendenza dalle assunzioni del modello di segnale del 30-70% rispetto alle reti neurali tradizionali, minimizzando i bias nell'estrazione della sezione d'urto differenziale.
2. Misurazione Differenziale: Prima misurazione dettagliata della sezione d'urto differenziale $d\sigma/d\Delta\Phi_{jj}$ per il canale $H \to WW$ in associazione con due getti, coprendo sia VBF che ggH.
3. Vincoli SMEFT: I risultati sono reinterpretati nel quadro della Teoria dei Campi Effettivi del Modello Standard (SMEFT), fornendo vincoli sui coefficienti di Wilson (Wilson coefficients) nel basis di Warsaw.
4. Asimmetria CP: Viene calcolata l'asimmetria nella distribuzione di $\Delta\Phi_{jj}$ come prova diretta di potenziale violazione di CP.

4. Risultati Principali

• Sezioni d'urto: Le sezioni d'urto differenziali misurate sono compatibili con le previsioni del Modello Standard.
  • La significatività osservata varia tra 0.0 e 4.1 deviazioni standard ($\sigma$) a seconda del bin e della configurazione di fit.
  • In alcuni bin, i valori di sezione d'urto o i limiti inferiori degli errori possono risultare negativi; questo è un artefatto statistico dovuto alla bassa sensibilità in quelle regioni, non a una sezione d'urto fisica negativa.
• Asimmetria CP: Il valore misurato dell'asimmetria è $A = -0.43^{+0.27}_{-0.32}$ (totale). Questo è compatibile con la previsione del SM ($A=0$) con un valore p del 11%, indicando nessuna evidenza significativa di violazione di CP in questo canale.
• Vincoli SMEFT:
  • I coefficienti di Wilson sono stati misurati con precisione.
  • I vincoli più stringenti sono ottenuti sui coefficienti CP-pari $c_{HW}$ e $c_{Hj3}$ (dal processo VBF) e sul coefficiente CP-pari $c_{HG}$ (dal processo ggH).
  • Tutti i risultati sono consistenti con il Modello Standard al 68% e 95% di livello di confidenza (CL).
  • Non sono state osservate deviazioni significative che suggeriscano nuova fisica negli accoppiamenti HVV o nelle interazioni con i quark.

5. Significato e Impatto

Questo lavoro rappresenta un passo avanti significativo nella caratterizzazione del bosone di Higgs:

• Robustezza: Dimostra che è possibile effettuare misurazioni di precisione su osservabili sensibili alla nuova fisica (come $\Delta\Phi_{jj}$) senza essere vincolati da specifiche ipotesi teoriche durante l'analisi dei dati.
• Sensibilità alla Nuova Fisica: Fornisce i limiti più aggiornati e rigorosi sugli accoppiamenti anomali CP-pari e CP-dispari nel settore di Higgs, utilizzando il canale $H \to WW$ che è stato storicamente difficile da analizzare a causa del fondo elevato e della presenza di neutrini.
• Fondamento per il Futuro: La metodologia e i dati pubblicizzati (inclusi su HEPData) costituiscono una base solida per future analisi con più dati (Run 3 e High-Luminosity LHC), permettendo di cercare segnali di violazione di CP o nuove interazioni con una sensibilità senza precedenti.

In sintesi, l'analisi conferma la validità del Modello Standard nelle interazioni del bosone di Higgs con i bosoni vettoriali e i quark, ponendo vincoli stringenti su possibili estensioni BSM, grazie a una metodologia statistica avanzata e indipendente dal modello.