Boosted top tagging via lepton-in-jet topology for vector-like quark searches in FCC-hh
Questo articolo presenta un framework basato sull'apprendimento automatico per l'identificazione di quark top altamente boostati e con decadimento leptonico al 100 TeV della FCC-hh, dimostrando che sia i tagger basati su variabili che quelli basati su costituenti raggiungono prestazioni comparabili e consentendo una ricerca di quark vettoriali con una portata di scoperta fino a 10 TeV.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
L'universo è costruito da un piccolo insieme di particelle fondamentali che interagiscono attraverso forze, un quadro noto come Modello Standard. Questo modello ha avuto un successo incredibile, prevedendo il comportamento della materia con estrema precisione e confermando l'esistenza del bosone di Higgs. Eppure, lascia importanti domande senza risposta, come la natura della materia oscura e il motivo per cui i neutrini abbiano una massa. Per trovare risposte, i fisici cercano nuove particelle, più pesanti, che non rientrano nell'attuale modello. Queste particelle ipotetiche, se esistono, sarebbero troppo massicce per essere create dall'attuale acceleratore di particelle più potente. Per vederle, gli scienziati stanno pianificando una macchina futura chiamata Future Circular Collider, che farà scontrare protoni a energie molto superiori a quelle attualmente possibili.
Quando queste nuove particelle pesanti vengono create in tali collisioni, si prevede che decadano quasi istantaneamente in particelle più leggere e note. Un candidato promettente per una nuova particella pesante è un quark vettoriale, un tipo di materia che si comporta diversamente dai quark che compongono il nostro mondo quotidiano. Se una tale particella esistesse, potrebbe decadere in un quark top e un bosone W. Il quark top è la particella più pesante conosciuta e, quando viene prodotto con un'energia immensa, si muove così velocemente che i suoi prodotti di decadimento vengono schiacciati insieme in un unico, stretto flusso. Ciò crea una sfida unica: il quark top decade in un quark bottom, un neutrino e una particella cariche come un elettrone o un muone. Poiché il quark top si muove così velocemente, la particella carica finisce intrappolata all'interno del flusso di detriti, rendendo difficile distinguerla dal rumore di fondo della collisione.
Un team di ricercatori ha sviluppato un nuovo metodo per identificare questi specifici quark top ad alta velocità utilizzando l'apprendimento automatico. Si sono concentrati su uno scenario in cui un pesante quark vettoriale decade in un quark top e un bosone W, con entrambi i componenti che alla fine producono particelle cariche. In questo evento, una particella carica proviene dal bosone W ed è isolata, mentre l'altra proviene dal quark top ed è sepolta all'interno di un getto di particelle. I ricercatori hanno addestrato due diversi tipi di intelligenza artificiale per individuare questa particella sepolta. Un sistema ha esaminato un elenco di proprietà calcolate, come l'energia e la posizione delle particelle, mentre l'altro sistema ha esaminato le singole particelle stesse, proprio come un essere umano guarderebbe i dettagli di una fotografia. Hanno testato questi sistemi contro vari tipi di rumore di fondo, inclusi getti composti da quark bottom e altre particelle pesanti che contengono anch'esse particelle cariche.
I risultati hanno mostrato che entrambi gli approcci di apprendimento automatico sono stati altamente efficaci nel trovare i quark top sepolti. Il sistema che ha esaminato le singole particelle è stato leggermente più efficace alle energie inferiori, mentre il sistema che utilizzava le proprietà calcolate è stato altrettanto efficace alle energie più elevate. Questo è significativo perché dimostra che anche quando le particelle sono così compresse da essere difficili da separare, il modello complessivo di energia e movimento contiene ancora la chiave per l'identificazione. I ricercatori hanno poi utilizzato questi strumenti per simulare una ricerca del pesante quark vettoriale al futuro collider. Hanno scoperto che, con abbastanza dati, il collider potrebbe scoprire questa nuova particella se pesa fino a sette trilioni di elettronvolt, una massa molto oltre quella che le macchine attuali possono raggiungere. Se la particella fosse leggermente più larga o meno stabile, la ricerca potrebbe estendersi a dieci trilioni di elettronvolt.
Lo studio ha anche affrontato una preoccupazione pratica per i futi esperimenti: la presenza di "pile-up", ovvero dove avvengono molte collisioni extra contemporaneamente e creano un disordine di particelle aggiuntive. I ricercatori hanno testato se il loro metodo avrebbe funzionato ancora se avessero ignorato le particelle più morbide e lente che il pile-up tende a produrre. Hanno scoperto che il potere di identificazione rimaneva forte anche concentrandosi solo sulle tracce più energetiche. Ciò suggerisce che il metodo è abbastanza robusto da gestire l'ambiente caotico di un futuro collider ad alta energia. Combinando questi avanzati strumenti di tagging con un'analisi più ampia dell'intero evento di collisione, il team ha dimostrato un percorso chiaro per scoprire la nuova fisica. Il loro lavoro fornisce una strategia concreta su come gli scienziati possano finalmente vedere queste particelle elusive e pesanti quando la prossima generazione di collider entrerà in funzione.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.