⚛️ esperimenti ad alta energia

Search for nonresonant production of strongly coupled dark matter in proton-proton collisions at $\sqrt{s}$ = 13 TeV

Utilizzando 138 fb $^{-1}$ di dati di collisioni protone-protone a $\sqrt{s}$ = 13 TeV raccolti dal detector CMS, questo studio presenta una ricerca di jet semivisibili non risonanti indicativi di materia oscura fortemente accoppiata utilizzando tecniche di apprendimento automatico sia supervisionate che non supervisionate, non trovando alcun eccesso significativo e stabilendo limiti di esclusione sulle masse dei mediatori fino a 2,4 TeV.

Autori originali: CMS Collaboration

Pubblicato 2026-10-27

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: CMS Collaboration

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

Per decenni, le macchine più potenti sulla Terra hanno fatto scontrare protoni tra loro quasi alla velocità della luce, rivelando un universo costruito da un insieme specifico di particelle fondamentali. Questo modello standard della fisica è stato straordinariamente efficace, prevedendo il comportamento di tutto, dagli atomi più leggeri alle particelle più pesanti conosciute. Eppure, gli astronomi sanno da tempo che questo modello è incompleto. Le osservazioni su come le galassie ruotano e su come la luce si piega attorno a massicci ammassi di stelle suggeriscono che la maggior parte della materia nell'universo sia invisibile. Questa massa mancante, nota come materia oscura, non emette luce, non la riflette né interagisce con le forze che tengono insieme gli atomi, rendendo impossibile vederla direttamente. Mentre gli scienziati hanno trascorso anni cercando una semplice particella pesante che potesse spiegare questa oscurità, non hanno trovato nulla. Questo silenzio ha portato i ricercatori a considerare possibilità più complesse: forse la materia oscura non è una singola particella solitaria, ma un intero settore nascosto di particelle che interagiscono tra loro attraverso le proprie forze, proprio come la materia visibile che conosciamo, ma che rimane nascosta alla nostra vista.

In uno studio recente, la collaborazione CMS presso il Large Hadron Collider in Svizzera ha messo alla prova una di queste idee complesse. Hanno cercato prove di un "settore oscuro" in cui le particelle vengono create in coppie, con una parte della coppia che è visibile e l'altra che è invisibile. In questo scenario, una particella pesante decadrebbe in una pioggia di nuove particelle. Alcune di queste nuove particelle sarebbero stabili e invisibili, sfuggendo al rilevatore senza lasciare traccia, mentre altre sarebbero instabili e decadrebbero immediatamente in particelle ordinarie che il rilevatore può vedere. Il risultato sarebbe un getto di particelle che appare come una normale pioggia di detriti, ma con una parte significativa della sua energia mancante. I ricercatori hanno chiamato questi oggetti strani "getti semivisibili". A differenza delle tipiche ricerche sulla materia oscura che cercano un singolo getto che rimbalza contro un grande vuoto di energia mancante, questa ricerca cercava che l'energia mancante fosse allineata proprio accanto al getto visibile, nascosta all'interno dello spray stesso.

Per trovare questi segnali elusivi, il team ha analizzato un enorme dataset di collisioni protone-protone raccolte tra il 2016 e il 2018, corrispondenti a una luminosità integrata di 138 femtobarn inversi. Questa quantità di dati rappresenta un numero vastissimo di collisioni, fornendo un profondo pozzo di informazioni da setacciare. La sfida era distinguere questi ipotetici getti semivisibili dall'ingente fondo di normali piogge di particelle prodotte da processi fisici standard. Per farlo, i ricercatori hanno impiegato due distinte strategie di apprendimento automatico. La prima è stata un approccio supervisionato, in cui un programma per computer è stato addestrato su simulazioni del modello specifico di materia oscura per riconoscere i pattern unici di un getto semivisibile. Il secondo è stato un approccio non supervisionato, in cui un diverso programma per computer ha imparato come appare un getto normale studiando dati reali, e poi ha segnalato qualsiasi getto che apparisse insolito o "anomalo" rispetto a quella norma. Questo secondo metodo è stato progettato per essere più flessibile, capace di individuare segnali anche se non corrispondevano perfettamente alle simulazioni specifiche utilizzate nel primo metodo.

L'analisi si è concentrata su eventi in cui l'energia mancante era allineata con un getto, un segnale che sarebbe una prova schiacciante per questo tipo di settore oscuro. I ricercatori hanno filtrato attentamente gli eventi causati da errori del rilevatore o processi di fondo noti, come la produzione di quark top o il decadimento dei bosoni W e Z. Hanno poi esaminato la distribuzione dell'energia mancante in tutti gli eventi che avevano raccolto. Nonostante gli strumenti sofisticati e l'enorme volume di dati, la ricerca è rimasta a vuoto. I ricercatori non hanno trovato alcun eccesso significativo di eventi che potesse essere attribuito a getti semivisibili. I dati corrispondevano perfettamente alle previsioni del modello standard, senza segni delle particelle del settore nascosto che stavano cacciando.

Poiché non è stato trovato alcun segnale, il team ha utilizzato i propri risultati per escludere versioni specifiche del modello di materia oscura che stavano testando. Hanno determinato che, se questi getti semivisibili esistono, la particella pesante che li crea non può avere una massa compresa tra 0,5 e 2,4 trilioni di elettronvolt, a seconda delle altre proprietà del modello. Per la ricerca non supervisionata, che è più abile nel individuare segnali dove la parte invisibile del getto è più grande, sono stati in grado di escludere masse fino a 2,1 trilioni di elettronvolt. Questi limiti sono significativi perché chiudono la porta a una vasta gamma di possibilità teoriche che non erano state testate prima. Lo studio dimostra che anche quando la materia oscura è nascosta all'interno di un getto, mescolata con particelle ordinarie, lascia un'impronta distinta che i moderni rilevatori e gli algoritmi informatici avanzati possono cercare. Sebbene la ricerca non abbia trovato la materia oscura, ha mappato con successo il territorio in cui essa non si trova, guidando gli esperimenti futuri verso nuove possibilità.

Sintesi Tecnica: Ricerca della produzione non risonante di materia oscura fortemente accoppiata in collisioni protone-protone a $\sqrt{s} = 13$ TeV

Problema e Motivazione
Sebbene il Modello Standard (SM) della fisica delle particelle descriva con successo le particelle elementari note, le osservazioni astronomiche — come le curve di rotazione delle galassie e le lenti gravitazionali — indicano fortemente l'esistenza di materia oscura (DM) non spiegata dalla teoria attuale. Le tradizionali ricerche nei collider si sono concentrate su particelle massicce debolmente interagenti (WIMP), che tipicamente producono firme di momento trasverso mancante ( $p^{\text{miss}}_T$ ) che si oppone a particelle visibili dello SM. Tuttavia, non è stata trovata alcuna evidenza per la DM di tipo WIMP.

Questo articolo investiga una classe alternativa di modelli che coinvolgono "valli nascoste" (hidden valleys) o settori oscuri (DS) governati da un'interazione di confinamento simile alla QCD dello SM, spesso definita "dark QCD". In questi scenari, i quark oscuri generano uno shower e si hadronizzano in adroni oscuri. Gli adroni oscuri stabili sfuggono al rivelatore come DM, mentre quelli instabili decadono prontamente in quark dello SM. Questo processo produce "jet semivisibili" (SVJ) — spray collimati che contengono sia particelle visibili che candidati DM invisibili. A differenza delle convenzionali ricerche di DM dove il $p^{\text{miss}}_T$ è in opposizione rispetto a un jet, gli eventi SVJ presentano il $p^{\text{miss}}_T$ allineato con il jet stesso. Questo articolo presenta la prima ricerca CMS per la produzione non risonante di tale materia oscura fortemente accoppiata.

Metodologia
L'analisi utilizza i dati di collisioni protone-protone raccolti dal rivelatore CMS a $\sqrt{s} = 13$ TeV durante il periodo di acquisizione dati 2016–2018, corrispondente a una luminosità integrata di 138 fb $^{-1}$ .

Modello del Segnale: Il segnale è mediato da uno scalare bifondamentale massivo $\Phi$ che si accoppia simultaneamente ai quark dello SM e ai quark oscuri. Il modello è definito da quattro parametri: la massa del mediatore ( $m_\Phi$ ), l'accoppiamento Yukawa ( $\lambda$ ), la frazione di adroni oscuri stabili ( $r_{\text{inv}}$ ) e la scala di massa degli adroni oscuri ( $m_{\text{dark}}$ ).
Selezione degli Eventi: Gli eventi sono selezionati richiedendo una somma scalare elevata dei momenti trasversi ( $S_T > 1300$ GeV), almeno due jet larghi ( $R=0.8$ ), e un $p^{\text{miss}}_T$ significativo ( $> 200$ GeV). Un criterio di selezione chiave richiede che l'angolo minimo tra qualsiasi jet e il vettore $p^{\text{miss}}_T$ ( $\Delta\phi_{\text{min}}$ ) sia inferiore a 1.5, riflettendo l'allineamento previsto negli eventi SVJ.
Strategie di Machine Learning: Vengono impiegati due tagger complementari per distinguere gli SVJ dai jet dello SM:
1. Tagger Supervisionato (PARTICLENET): Una rete neurale a grafo (GNN) addestrata su campioni simulati di segnale e background. Utilizza informazioni a livello di particella (quadrivettori dei costituenti) per apprendere dinamiche specifiche dello shower oscuro. È altamente sensibile ai parametri specifici del modello utilizzati nell'addestramento, ma meno agnostico rispetto al modello.
2. Tagger Non Supervisionato (Wasserstein Normalized Autoencoder - WNAE): Un algoritmo di rilevamento delle anomalie addestrato su dati dello SM (regioni arricchite in QCD e $t\bar{t}$ ) per apprendere la distribuzione di probabilità della sottostruttura dei jet dello SM. Identifica gli SVJ come jet con una sottostruttura anomala senza conoscenza preventiva del modello di segnale, offrendo una sensibilità più ampia a ipotesi di segnale non testate.
Stima del Background: Il background dominante deriva da eventi QCD multijet con misurazioni errate dei jet che inducono un $p^{\text{miss}}_T$ artificiale. Questo viene stimato utilizzando il metodo ABCDisCoTEC, una tecnica ABCD potenziata dal machine learning. Una rete neurale classificatrice viene addestrata per essere decorrelata dal $p^{\text{miss}}_T$ per partizionare gli eventi in quattro regioni (A, B, C, D), permettendo di predire il background nella regione di segnale (A) a partire dalle regioni di controllo (B, C, D) utilizzando i dati.
Incertezze Sistematiche: Le incertezze includono effetti del rivelatore (scala/risoluzione dell'energia del jet, pileup), modellazione teorica (PDF, scale di rinormalizzazione) e correzioni specifiche per la mismodellazione della sottostruttura del jet utilizzando le densità del piano del jet di Lund.

Contributi Chiave

Approccio a Doppia Strategia: L'articolo introduce e confronta una GNN supervisionata dipendente dal modello e un autoencoder non supervisionato agnostico rispetto al modello per l'identificazione degli SVJ, dimostrando i compromessi tra sensibilità specifica e indipendenza dal modello.
Correzione della Sottostruttura: Un metodo di correzione innovativo è applicato alle simulazioni del segnale per tenere conto della mismodellazione della sottostruttura del jet. Ciò comporta il riclustering dei jet del segnale in sub-jet corrispondenti ai quark dello SM e la riponderazione basata sulla densità del piano del jet di Lund osservata nelle regioni di controllo dei dati.
Potenziamento del Metodo ABCD: L'applicazione del metodo ABCDisCoTEC consente una stima robusta del background in un regime dominato da background strumentali (jet misurati erroneamente) dove le stime basate esclusivamente sulla simulazione sono inaffidabili.

Risultati
Non è stato osservato alcun eccesso significativo di eventi rispetto al background atteso dello SM nella distribuzione del $p^{\text{miss}}_T$ per nessuna delle due strategie di tagger. Di conseguenza, sono stati stabiliti limiti superiori al 95% di livello di confidenza (CL) sulla sezione d'urto di produzione del mediatore bifondamentale $\Phi$ .

Ricerca Supervisionata: Esclude masse del mediatore tra 0.5 e 2.4 TeV, a seconda degli altri parametri del segnale. Per modelli di segnale con $r_{\text{inv}} = 0.3$ e $\lambda = 1.0$ , tutte le masse degli adroni osci considerate sono escluse per $m_\Phi < 1.7$ TeV.
Ricerca Non Supervisionata: Esclude masse del mediatore tra 0.5 e 2.1 TeV. Notevolmente, per modelli di segnale con frazioni più elevate di materia oscura stabile ( $r_{\text{inv}} \approx 0.6\text{--}0.9$ ), la ricerca non supervisionata dimostra una maggiore sensibilità, escludendo masse del mediatore fino a 2.1 TeV, mentre la ricerca supervisionata (addestrata su valori di $r_{\text{inv}}$ più bassi) esclude solo fino a 1.7 TeV.
Spazio dei Parametri: I risultati escludono regioni specifiche nei piani $(m_\Phi, r_{\text{inv}})$ , $(m_\Phi, m_{\text{dark}})$ e $(m_\Phi, \lambda)$ . Ad esempio, per $m_\Phi < 1.6$ TeV, tutte le variazioni di $\lambda$ considerate sono escluse nella ricerca supervisionata, mentre $\lambda > 2$ è escluso per ogni $m_\Phi$ nella stessa strategia.

Significatività
Questo lavoro rappresenta la prima ricerca CMS per la produzione non risonante di materia oscura fortemente accoppiata. Utilizzando tecniche di machine learning per sfruttare sia la sottostruttura a livello di jet che la cinematica a livello di evento, l'analisi estende la portata delle ricerche sui settori oscuri oltre i paradigmi tradizionali delle WIMP. L'articolo evidenzia come, sebbene i metodi supervisionati offrano un'alta sensibilità per specifici modelli benchmark, il rilevamento delle anomalie non supervisionato fornisca una robustezza cruciale contro l'enorme incertezza dei parametri del settore oscuro, riuscendo a escludere regioni dello spazio dei parametri che altrimenti rimarrebbero non esplorate. Questi risultati completano le ricerche esistenti sulla materia oscura composita e vincolano la produzione di mediatori scalari bifondamentali in settori oscuri fortemente accoppiati.

Articoli simili