Particle transformers for identifying Lorentz-boosted Higgs bosons decaying to a pair of W bosons

Il documento presenta "Particle transformer" (PaRT), un innovativo classificatore basato su reti neurali profonde che, grazie a un meccanismo di auto-attenzione, identifica con elevata efficienza e decorrelazione dalla massa i jet derivanti dal decadimento di bosoni di Higgs boostati in coppie di bosoni W, migliorando così la sensibilità delle ricerche del CMS su fenomeni oltre il Modello Standard.

L'essenziale

🚀 Il "Cacciatore di Ombre" del CERN: Come CMS ha imparato a riconoscere l'Impossibile

Immagina di essere in una stanza piena di gente che sta facendo una festa caotica (il LHC, l'acceleratore di particelle). Ci sono milioni di persone che si muovono, urlano e si scontrano. La maggior parte di queste persone sono "spettatori" normali: sono le particelle di fondo, il rumore di fondo della natura, che i fisici chiamano QCD (o "getti di QCD").

Il nostro obiettivo? Trovare due persone molto specifiche che si stanno abbracciando in modo strano e veloce, per poi separarsi in quattro amici che scappano via. Queste due persone sono il Bosone di Higgs che decade in due Bosoni W. È un evento rarissimo, come cercare un ago in un pagliaio, ma un ago che si muove a velocità della luce e che si nasconde perfettamente nel pagliaio.

Ecco come il team CMS ha risolto il problema con il nuovo "super-potere" chiamato PART.

1. Il Problema: Trovare l'ago nel pagliaio (e l'ago è veloce!)

Fino a poco tempo fa, i fisici usavano metodi un po' "vecchi scuola" per cercare queste particelle. Era come cercare di riconoscere un amico in una folla guardando solo la sua giacca o i suoi stivali (le proprietà generali del getto di particelle). Funzionava per cose semplici, ma quando l'ago (l'Higgs) è molto veloce (Lorentz-boosted), si deforma e sembra quasi identico agli altri oggetti.

Inoltre, c'era un problema: l'Higgs che decade in due W poi in quattro quark (particelle) è come un "mostro a quattro teste". È difficile da riconoscere perché non abbiamo molti esempi simili in natura per confrontarlo (non c'è un "cugino" abbondante da usare come modello di riferimento).

2. La Soluzione: Il "Partito" (PART)

I fisici hanno creato un nuovo cervello artificiale chiamato PART (Particle Transformer).
Immagina che i vecchi algoritmi fossero come un detective che guarda solo la foto segnaletica di una persona.
PART, invece, è come un detective che entra nella stanza e guarda ogni singola persona, notando:

• Chi è vicino a chi.
• Come si muovono insieme.
• Chi ha un'aria sospetta (i "vertex secondari", ovvero i punti dove le particelle decadono).
• Chi è un "fantasma" (particelle neutre) e chi è "solido" (particelle cariche).

PART usa una tecnologia chiamata "Self-Attention" (Auto-attenzione). È come se il detective dicesse: "Ascolta, quella particella qui è importante, ma quella là è solo rumore. Concentriamoci su queste tre che sembrano muoversi all'unisono". Questo gli permette di capire la "forma" complessa del decadimento, anche se è molto veloce.

3. L'Allenamento: Imparare a non farsi ingannare

C'era un trucco difficile: se addestri un'intelligenza artificiale a riconoscere un oggetto basandoti solo sul suo "peso" (la massa), l'AI impara a guardare solo il peso e ignora la forma. Se poi l'oggetto ha un peso leggermente diverso, l'AI fallisce.

Per evitare questo, i fisici hanno fatto un allenamento "pazzo":

• Hanno creato milioni di scenari simulati dove l'Higgs aveva pesi diversi.
• Hanno insegnato a PART a guardare la forma e la struttura, non il peso.
• È come se addestri un cane a riconoscere un'auto non guardando il colore (che può cambiare), ma guardando la forma delle ruote e del telaio. Così, l'auto sarà riconosciuta sia che sia rossa, sia che sia blu.

Il risultato? PART è diventato bravissimo a distinguere l'Higgs dai "getti" normali (il rumore di fondo), mantenendo un'efficienza altissima (trova più della metà dei veri casi) e scartando quasi tutto il rumore (99% di successo nel non confondersi).

4. La Calibrazione: La "Mappa di Lund"

Ma come facciamo a fidarci di un computer? Dobbiamo controllarlo sulla realtà.
Il problema è che non abbiamo molti dati reali di questo evento raro per fare il controllo. Quindi, i fisici hanno usato un trucco geniale basato sulla Mappa di Lund (Lund Jet Plane).

Immagina che ogni getto di particelle sia come un albero che cresce. La Mappa di Lund è una mappa che mostra come i rami si sono diramati.

• Hanno guardato gli alberi "normali" (decadimenti di bosoni W più comuni) nei dati reali e nella simulazione.
• Hanno notato che la simulazione disegnava gli alberi un po' diversi dalla realtà (come se la simulazione usasse un pennello troppo grosso).
• Hanno creato una "correttiva" (un filtro) per raddrizzare la simulazione e farla coincidere con la realtà.
• Poi, hanno applicato questo stesso filtro al "mostro a quattro teste" (l'Higgs).

È come se avessi imparato a correggere la tua mappa del tesoro guardando un albero comune, e poi hai usato quella mappa corretta per trovare il tesoro nascosto.

5. Perché è importante?

Questa scoperta non è solo un "gioco di prestigio" tecnico.

• Misurare l'Universo: Ci permette di studiare come l'Higgs interagisce con se stesso e con altre particelle. È come capire le regole di un gioco che stiamo giocando da decenni.
• Cercare l'Invisibile: Se ci sono nuove particelle o nuove leggi della fisica (oltre il Modello Standard), potrebbero nascondersi proprio in questi decadimenti strani. PART è la lente d'ingrandimento che ci permette di vederle.

In sintesi

Il team CMS ha costruito un super-cervello digitale (PART) che, invece di guardare solo l'etichetta delle particelle, osserva la loro danza complessa. Ha imparato a non farsi ingannare dal peso, a riconoscere forme a quattro teste e a correggere i propri errori confrontandosi con la realtà.

Grazie a questo "detective" digitale, possiamo finalmente dire: "Sì, abbiamo trovato l'Higgs che si trasforma in quattro particelle, e non era solo un'illusione!". È un passo gigante verso la comprensione di come è fatto l'universo.

Sommario tecnico

1. Il Problema

L'identificazione degli stati finali adronici del bosone di Higgs (H) rappresenta una sfida fondamentale per gli esperimenti al Large Hadron Collider (LHC). In particolare, il canale di decadimento $H \to WW^* \to 4q$ (dove il bosone di Higgs decade in una coppia di bosoni W, che a loro volta decadono in quattro quark) è estremamente difficile da isolare a causa dell'enorme fondo proveniente da eventi QCD (cromodinamica quantistica) multijet e dalla produzione di coppie di quark top ($t\bar{t}$).

Le difficoltà specifiche per questo canale includono:

• Asimmetria cinematica: Le proprietà cinematiche dei bosoni vettori intermedi sono asimmetriche.
• Mancanza di proxy: A differenza del decadimento $H \to b\bar{b}$, non esiste un campione di dati abbondante e simile (come i decadimenti Z) per calibrare l'efficienza di tagging per jet a quattro prong.
• Limiti degli algoritmi precedenti: I modelli di deep learning esistenti (come DEEPAK8 o PARTICLENET) erano ottimizzati principalmente per jet a due prong ($H \to b\bar{b}$ o $H \to c\bar{c}$) e mostravano prestazioni inferiori o scarsa generalizzazione per topologie complesse a tre o quattro prong.

2. Metodologia

Il documento introduce un nuovo classificatore basato su una rete neurale profonda chiamata PART (Particle Transformer).

Architettura del Modello

• Meccanismo di Self-Attention: PART utilizza un'architettura basata sul "Transformer", che elabora le particelle e i vertici secondari (SV) come un insieme di token invariante per permutazione.
• Input: Il modello accetta fino a 128 candidati Particle-Flow (PF) e 10 vertici secondari per jet. Le caratteristiche includono informazioni cinematiche, tipo di particella, carica e parametri di impatto.
• Blocchi di Attenzione: Utilizza 8 blocchi di attenzione per particelle (PAB) che incorporano caratteristiche pairwise (come $\ln \Delta$, $\ln k_T$, $\ln z$) come bias di attenzione. Seguiti da 2 blocchi di attenzione per la classe (CAB) che aggregano le informazioni in un token di classe globale.
• Output: Il modello produce probabilità per 37 classi diverse (coprendo vari decadimenti di Higgs, Top e QCD) e, come obiettivo ausiliario, la massa del jet.

Strategia di Addestramento e Decorrelazione

• Generazione dei Dati: Per evitare che il modello impari a riconoscere masse di risonanza specifiche (che porterebbe a una correlazione indesiderata con la massa del jet), i dati di addestramento sono stati generati variando le masse delle risonanze ($m_G$, $m_H$, $m_W$, $m_t$) in un ampio intervallo.
• Gestione della Massa del W: Una novità cruciale è la variazione della massa del bosone W ($m_W$) durante l'addestramento per gestire le diverse fasi cinematiche del decadimento $H \to WW^*$ (W off-shell vs on-shell), migliorando la decorrelazione dalla massa del jet.
• Funzione di Perdita: L'addestramento minimizza la somma della perdita di cross-entropy (classificazione) e della perdita "log-cosh" (regressione della massa), con un peso $\lambda = 0.05$ per bilanciare gli obiettivi.

Calibrazione con il Piano di Jet di Lund (LJP)

Poiché manca un campione di dati puro per $H \to WW$, gli autori hanno sviluppato una tecnica di calibrazione innovativa basata sui Piani di Jet di Lund (LJP):

• Si misurano le densità dei primi split (splitting primari) nel piano LJP per i sottoggetti (subjet) dei jet W nei dati reali e nella simulazione.
• Vengono derivati pesi di correzione (scale factors) per ciascun evento segnale basati sul rapporto tra le densità LJP nei dati e nella simulazione.
• Questo metodo permette di correggere le discrepanze data-simulazione senza bisogno di un campione di controllo diretto per il segnale $H \to WW$.

3. Contributi Chiave

1. Prima identificazione efficace di $H \to WW^* \to 4q$: PART è il primo algoritmo in grado di identificare con alta efficienza i jet a quattro prong derivanti dal decadimento del bosone di Higgs in una coppia di bosoni W.
2. Superiorità rispetto agli stati dell'arte: Rispetto all'algoritmo precedente DEEPAK8-MD, PART offre un miglioramento significativo nel rifiuto del fondo (fino a 10 volte per il fondo QCD e 8 volte per il fondo top) a parità di efficienza del segnale.
3. Decorrelazione dalla massa: Grazie alla strategia di addestramento con masse variabili, l'output del tagger è decorrelato dalla massa del jet, permettendo l'uso di regioni laterali (sidebands) per la stima del fondo.
4. Metodo di Calibrazione LJP: Introduzione di una tecnica di calibrazione basata sulla struttura interna dei jet (LJP) che risolve il problema della mancanza di campioni di calibrazione ad alta purezza per decadimenti complessi.

4. Risultati

• Prestazioni di Tagging: PART raggiunge un'efficienza di tagging superiore al 50% per i jet $H \to WW^* \to 4q$ con un'efficienza di fondo (QCD) del 1%.
• Confronto con DEEPAK8-MD: Le curve ROC mostrano che PART supera nettamente DEEPAK8-MD in tutti i range di impulso trasverso ($p_T$) testati (200-1000 GeV).
• Decorrelazione: La distanza Jensen-Shannon (JSD) tra le distribuzioni di massa dei jet QCD con e senza selezione è significativamente più bassa per PART rispetto a DEEPAK8-MD, confermando una migliore decorrelazione.
• Calibrazione Dati: I fattori di scala (SF) dati/simulazione misurati sulla calibrazione LJP sono nell'intervallo 0.9–1.0, con incertezze relative comprese tra il 7% e il 23%.
• Validazione: La calibrazione è stata validata su campioni di decadimenti di quark top boostati, mostrando un miglioramento dell'accordo tra dati e simulazione (riduzione della statistica $\chi^2$ da 20.7 a 16.6).

5. Significato e Impatto

Questo lavoro rappresenta un avanzamento significativo per le misurazioni del Modello Standard e la ricerca di nuova fisica (BSM) al CMS:

• Misura delle Accoppiamenti Quartici: Abilita la prima ricerca di produzione di coppie di Higgs ($HH$) nel canale tutto adronico $HH \to bbWW$, cruciale per misurare l'accoppiamento quartico $HHVV$ (interazione tra due bosoni di Higgs e due bosoni vettoriali), un parametro fondamentale per comprendere il potenziale del campo di Higgs.
• Ricerca di Nuova Fisica: Migliora la sensibilità alla ricerca di risonanze BSM che decadono in sistemi di bosoni vettoriali boostati (es. bosoni di Higgs pesanti, modelli a due doppietti di Higgs).
• Efficienza Computazionale: Nonostante una capacità del modello maggiore (2.3 milioni di parametri contro 500k di PARTICLENET), PART ha un tempo di inferenza del 6% più veloce, rendendolo ideale per l'analisi di grandi volumi di dati.

In sintesi, l'introduzione del Particle Transformer e della relativa strategia di calibrazione LJP apre nuove strade per l'esplorazione di decadimenti complessi e rari del bosone di Higgs, superando i limiti delle tecniche di jet tagging tradizionali.