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

CMS 実験による 13 TeV の陽子 - 陽子衝突データ（138 fb$^{-1}$）を用いて、2 個のジェットを伴い W ボソン対に崩壊するヒッグス粒子の生成断面積を、機械学習を用いたモデル非依存的手法により微分測定し、標準模型有効場理論の枠組みでのヒッグス結合定数の制約を導出した。

要約

🕵️‍♂️ 探偵が挑む「見えない犯人」の正体

1. 物語の舞台：ヒッグス粒子と「W ボソン」のペア

まず、この実験の主人公は**「ヒッグス粒子」**です。2012 年に発見されたこの粒子は、宇宙にあるすべての物質に「重さ（質量）」を与える魔法のような存在として知られています。

今回の捜査対象は、このヒッグス粒子が**「W ボソン」という双子の粒子**（W 粒子）に分裂する瞬間です。

• W ボソン：非常に不安定で、すぐに消えてしまう「幽霊のような粒子」です。
• 消え方：W ボソンはさらに崩壊して、「電子」と「ミューオン」（電子の親戚のような重い粒子）、そして**「見えないエネルギー（ニュートリノ）」**になります。

探偵（科学者たち）は、この「電子とミューオン」のペアと、**「2 つのジェット（粒子の爆発）」**が同時に現れる事件現場を捜査しました。

2. 最大の謎：「2 つのジェット」の角度

ヒッグス粒子が作られるとき、その周りに**「2 つのジェット（ジェット）」**が飛び出すことがあります。これが今回の鍵です。

• 普通の世界（標準模型）：ヒッグス粒子が作られるとき、この 2 つのジェットは、ランダムに飛び散るのではなく、**「ある特定の角度」**で配置される傾向があります。
• 怪しい世界（新しい物理）：もし、ヒッグス粒子と W ボソンの間に、私たちが知らない**「新しい力」や「隠された性質（CP 対称性の破れ）」が働いていれば、この 2 つのジェットの飛び出す角度が、予想とズレて**見えるはずです。

【イメージ】
2 人のジェットを「2 人の踊り手」と想像してください。

• 標準模型：2 人は「右と左」にバランスよく踊ります。
• 新しい物理：もし誰かが「逆の方向」に踊るよう仕向けていたら、2 人の踊りのバランスが崩れ、奇妙な角度で止まるはずです。

3. 探偵の武器：「AI による偏見のない捜査」

ここがこの論文の最も素晴らしい部分です。

通常、科学者は「もし新しい物理があるなら、データはこう見えるはずだ」という**予想（仮説）**を持って分析します。しかし、もしその予想が間違っていたら、新しい発見を見逃してしまうかもしれません。

そこで、CMS チームは**「AI（人工知能）」**を雇いました。

• 従来の AI：「これはヒッグス粒子だ！」と教えるために、特定の仮説に基づいて学習させます。
• 今回の AI（敵対的ニューラルネットワーク）：**「どの仮説（標準模型か、新しい物理か）にも偏らない」**ように訓練されました。
  • 例え：まるで、犯人が「A 型」「B 型」「C 型」のどれか分からない状態で、**「犯人の特徴そのもの」**だけを捉える探偵のようなものです。AI は「ヒッグス粒子っぽい動き」だけを抽出し、その背後にある「角度のズレ」を公平に測定しました。

これにより、**「もし新しい物理が隠れていても、見逃さない」**という、非常に公平で強力な分析が可能になりました。

4. 捜査結果：「予想通りだった！」

138 fb⁻¹（ファムボーム）という、膨大な量のデータ（2016〜2018 年の衝突データ）を分析した結果は以下の通りでした。

• 結果：2 つのジェットの角度の分布は、「標準模型（今の物理学の教科書）」の予想と完全に一致しました。
• 意味：「新しい力」や「隠された性質」の証拠は、今回は見つかりませんでした。
• しかし、これは悪いニュースではありません：
  • 物理学の教科書が、さらに**「完璧に正しい」**ことが証明されました。
  • 「新しい物理」がどこに隠れているか、その**「可能性の範囲」を狭める**ことができました。まるで、犯人が「この部屋にはいない」と特定できたのと同じです。

5. 今後の展望：「より精密な地図」

この研究では、ヒッグス粒子の性質を「有効場理論（SMEFT）」という枠組みを使って、**「ウィルソン係数」**という数値で厳密に制限しました。

• イメージ：宇宙のレシピ本に書かれている「材料の量（係数）」を、これまでにない精度で測定し、「これ以上増やせない、これ以上減らせない」という**「限界値」**を突き止めました。

🌟 まとめ

この論文は、**「AI を使って偏見なくヒッグス粒子の踊り方を観察した結果、今の物理学の教科書（標準模型）が、まだ破綻していないことが確認できた」**という報告です。

新しい「魔法の力」は見つかりませんでしたが、「魔法がない場所」を正確に地図に描き出したことで、未来の探偵たち（科学者たち）が、より深く、より遠くを探し出すための道しるべとなったのです。

---

一言で言うと：
「ヒッグス粒子の周りで踊る 2 つのジェットを、AI という公平なカメラで撮影したら、今の物理学の予想通りだった！新しい謎はなかったけど、教科書の正しさがさらに証明されたよ！」

技術概要

以下は、CERN の CMS 実験チームによる論文「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 √s = 13 TeV（13 TeV 陽子 - 陽子衝突における 2 本のジェットを伴い、W ボソン対に崩壊するヒッグス粒子の生成のモデル非依存測定）」の技術的サマリーです。

1. 研究の背景と課題 (Problem)

• ヒッグスボソンの性質解明: 2012 年の発見以降、ヒッグスボソンの性質は標準模型（SM）の予測とよく一致していますが、標準模型を超える物理（BSM）の兆候を探るため、その結合定数の微細な修正や CP 対称性の破れを検出する必要があります。
• 異常結合（Anomalous Couplings, ACs）の影響: ヒッグスボソンとベクトルボソン（V）の結合（HVV）に CP 対称性を破る項（CP-odd）や CP 保存項（CP-even）の異常結合が存在する場合、ヒッグス生成の運動量分布、特に Vector Boson Fusion (VBF) やグルーオン融合（ggH）における 2 本のジェット間の方位角差（$\Delta\Phi_{jj}$）に特徴的な歪みが生じます。
• モデル依存性の問題: これまでの測定では、特定の信号仮説（通常は標準模型）に基づいて信号抽出を行うことが多く、結果を BSM 仮説に再解釈する際にバイアスが生じる可能性があります。より普遍的な測定を行うためには、信号仮説に依存しない（モデル非依存な）解析手法が求められていました。

2. 解析手法 (Methodology)

本研究は、CMS 検出器で 2016〜2018 年に収集された 13 TeV の陽子 - 陽子衝突データ（積分光度 138 fb$^{-1}$）を用いています。

• 事象選択:
  • 最終状態：$H \to WW \to e\mu + \text{missing } p_T$（電子、ミューオン、横運動量欠損）。
  • 付随する 2 本のジェット（$p_T > 30$ GeV, $m_{jj} > 120$ GeV）を要求。
  • 背景事象（トップクォーク、Drell-Yan 過程など）を抑制するための制御領域（CR）を定義し、データとシミュレーションの一致を確認。
• モデル非依存な分類アルゴリズム（核心技術）:
  • 敵対的深層ニューラルネットワーク（ADNN）の採用: 信号と背景を区別する「分類器（Classifier）」と、信号の物理モデル（結合定数の種類など）を推測しようとする「敵対者（Adversary）」を競合させて学習させる手法を採用。
  • これにより、分類器が特定の信号仮説（例：純粋な CP-odd 結合など）の特徴に依存せず、信号と背景を区別する汎用的な特徴量のみを学習するように強制しました。
  • VBF 過程と ggH 過程それぞれに対して、異なる ADNN（VBF-ADNN, GGH-ADNN）を訓練し、それぞれの過程に対するモデル非依存なスコア（$D_{VBF}$, $D_{ggH}$）を生成しました。
• 微分断面積の測定:
  • 2 本のジェット間の方位角差 $\Delta\Phi_{jj}$ を 4 つのビンに分割し、各ビンごとに微分断面積を測定しました。
  • 検出器効果の補正（アンフォールディング）を最大尤度フィットの内部で行い、生成レベル（generator-level）の物理量として結果を提示しました。
• 有効場理論（SMEFT）への再解釈:
  • 測定された微分断面積を用いて、Warsaw 基底における Wilson 係数を制約しました。

3. 主要な貢献 (Key Contributions)

• モデル非依存測定の確立: 機械学習（敵対的学習）を用いて、信号仮説に依存しない分類変数を開発し、ヒッグス生成の微分断面積を初めてモデル非依存に測定しました。これにより、将来的な BSM 仮説への再解釈におけるバイアスを大幅に低減しました。
• 高統計量データによる精密測定: 138 fb$^{-1}$のデータを用い、VBF と ggH の両過程について、$\Delta\Phi_{jj}$ 依存性を含む微分断面積を初めて詳細に測定しました。
• CP 対称性の破れに対する感度: $\Delta\Phi_{jj}$ の分布の非対称性（Asymmetry）を測定し、CP 対称性の破れに対する感度を評価しました。

4. 結果 (Results)

• 微分断面積:
  • VBF および ggH 過程の微分断面積を 4 つの $\Delta\Phi_{jj}$ ビンで測定しました。
  • 統計的誤差が支配的ですが、すべてのビンで背景のみの仮説に対して有意な信号が観測されました（VBF の特定のビンでは 3.9$\sigma$など）。
  • 一部のビンでは統計的揺らぎにより負の断面積値が得られるケースがありましたが、これは統計処理のアーティファクトであり、物理的な断面積ではありません。
• 非対称性（Asymmetry）:
  • $\Delta\Phi_{jj}$ 分布の非対称性 $A$ は $-0.43^{+0.27}_{-0.32}$ と測定されました。
  • 標準模型の予測（$A=0$）との整合性は p 値 11% であり、現在のところ CP 対称性の破れを示す決定的な証拠はありません。
• SMEFT による制約:
  • Wilson 係数に対する制約が得られました。特に、VBF 過程からは $c_{HW}$（CP-even）と $c_{Hj3}$（CP-even）に対して、ggH 過程からは $c_{HG}$（CP-even）に対して最も厳しい制約が得られました。
  • 全ての Wilson 係数の結果は、標準模型の予測（係数 = 0）と 68% 信頼区間（一部は 95%）内で一致しています。

5. 意義と結論 (Significance)

• 標準模型の検証: ヒッグスボソンの生成メカニズム（VBF, ggH）における運動学的分布は、標準模型の予測とよく一致しており、これまでに発見されたヒッグス粒子の性質が標準模型と矛盾しないことをさらに裏付けました。
• 新物理探索の基盤: 敵対的学習を用いたモデル非依存アプローチは、特定の理論モデルに縛られない新しい物理の探索において極めて重要です。この手法は、将来の LHC ランや将来の加速器実験におけるヒッグス物理の解析における標準的な手法となり得ます。
• CP 対称性の破れへの制約: 現在のデータでは CP 対称性の破れは観測されていませんが、この測定は CP-odd な異常結合に対する感度を高め、将来のより高統計量データによる精密測定への道を開きました。

総じて、本論文はヒッグスボソンの性質をより深く理解し、標準模型を超える物理を探るための、技術的に高度で堅牢な測定手法と結果を提供する重要な成果です。