技術要約：トラックを残さない：長寿命粒子の再構成のためのグラフベースの頂点形成

問題提起

変位頂点（Displaced Vertices; DV）の再構成は、精密なフレーバー物理学および衝突型加速器における長寿命粒子（Long-Lived Particles; LLP）の探索において不可欠である。既存の頂点形成アルゴリズムは、主頂点（Primary Vertices; PV）や短寿命の二次頂点に対しては高度に最適化されているが、LLPの崩壊に特徴的な大きな変位や不均一なトポロジーを適用する場合、重大な限界に直面する。

現在、公開されている高速シミュレーション・フレームワーク（例：Delphes）には、どのトラックが共通の変位頂点に属するかを識別するための自動化されたパターン認識機能が欠けている。その結果、LLPの現象論的研究は、真値レベルのオブジェクトや簡略化されたパラメータ的なスミアリングに依存することが多く、現実的な頂点再構成の影響が未探索のまま残されている。既存の堅牢な頂点形成ツール（例：CMSSW、ACTS、RAVE）は、特定の実験に密結合しているか、あるいは高速シミュレーションの連鎖に対して計算負荷が高すぎる。自動化された変位頂点の検出と堅牢なフィッティングを標準的な現象論的ワークフローに統合できる「ターンキー」なツールのための決定的な空白が存在する。

手法

本論文では、グラフベースのトラック・クラスタリング戦略による頂点検出と、堅牢な頂点フィッティング手順を組み合わせた、自己完結型のDelphesモジュールである GraphDisplacedVertexFinder を提示する。

1. 堅牢な頂点フィッティング

著者は、ガウス・ニュートン（Gauss-Newton; GN）フレームワーク内での頂点フィッティングの統一的な導出を提供し、それをタイミング情報と外れ値除去を含む形へと拡張している。

• 数学的定式化: フィットは、トラックと共通の頂点との間の精度重み付き距離を最小化する非線形最小二乗問題として定式化される。著者は、シュア補行列（Schur complements）を介して標準的な横方向情報の定式化を導出し、基礎となるブロック構造と幾何学的解釈を明示的に露出させている。
• 4D拡張: 完全な4D（時空）フィッティングも可能であるが、著者は空間成分とタイミング成分の分解を推奨している。これは、解像度の差（ps vs. $\mu$m）が数桁に及ぶためである。空間フィットが収束した後、頂点の時間を決定するために精度重み付き平均が使用される。
• 外れ値処理: 誤って割り当てられたトラックを扱うために、アルゴリズムはシグモイド重み関数を用いた反復再重み付け最小二乗法（Iteratively Re-weighted Least Squares; IRLS）を採用している。高い $\chi^2$ 寄与を持つトラックは、急激に除去されるのではなく、滑らかに重みが下げられるため、安定性が確保される。
• トラックの再フィッティング: 頂点が収束し外れ値が特定された後、トラックのパラメータは、フィットされた頂点を擬似的な測定値として扱うカルマンフィルタのような更新を用いて、頂点制約に対して再フィットされる。

2. グラフベースの頂点検出

核心となる革新は、同一の変位頂点に属するトラックの集合を特定するためのグラフベースのアプローチである。

• トラックの分類: トラックは、インパクトパラメータの有意性（$S_{IP}$）および主頂点との適合性に基づいて、「プロンプト（即時）」または「変位」として最初に分類される。
• グラフ構築: 変位トラックをノードとするスコア付き無向適合グラフが構築される。2つのトラックによるフィットが $\chi^2_{pair} \leq 9$ を満たし、かつ利用可能な場合はタイミングの適合性が満たされる場合に、2つのトラック間にエッジが存在するとみなされる。
• 枝刈りと検証:
  • 前処理フィルタリング: 幾何学的なチェックにより、フィットを試みる前に $(x,y)$ 平面におけるトラックの軌跡が重なっていることを確認する。
  • 相互k-NN枝刈り: スパリアスな接続を除去するため、エッジは相互の $k$-近傍リスト内に存在する場合のみ保持される。
  • エッジのサポート: 保持されたエッジに対してトリプレット（3粒子）フィットが行われる。エッジは、それがどれだけの追加トラックと有効なトリプレットを形成できるかに基づいて「サポートスコア」を受け取る。これは、重なり合う頂点を分離するのに役立つ。
  • ブリッジ検出: タールのン（Tarjan）のアルゴリズムにより、強連結部分グラフを接続するエッジを特定する。これらは、過度な断片化を防ぐため、低い $\chi^2$ と高いサポートを持つ場合にのみ保持される。
• コンポーネント抽出: 深さ優先探索（DFS）を介して連結成分が抽出される。ヒューリスティックな「トリプレットスコア」が多峰性をチェックし、コンポーネントが複数の頂点で構成されている可能性が高い場合は分割を行う。
• 最終フィット: 最終的なクラスター内のトラックは、堅牢な頂点フィッターを使用して独立してフィットされる。

3. LLP運動学的再構成

相棒モジュールである LLPReconstruction は、運動量重み付きのオーバーラップスコアを用いて中性エネルギー（ジェット）を変位頂点に関連付ける。これにより、LLPの4元運動量を再構成し、さらに、目に見えないエネルギーを考慮した「補正質量（corrected mass）」形式を用いて、親粒子（例：ヒッグス粒子）を再構成することが可能になる。

主な貢献

1. Delphesにおける初の自動化された変位頂点検出器: 本研究は、自動化された変ディスプレイスド頂点検出のための、最初の自己完結的でプラグアンドプレイ可能なDelphesモジュールを提供し、公開されている高速シミュレーション・フレームワークの空白を埋めるものである。
2. 統一されたフィッティング・フレームワーク: 標準的な横方向情報の解析結果を回収しつつ、幾何学的解釈やシュア補行列表現を明示的に露出させた、合理化された統一的な頂点フィッティングの導出を提供する。
3. グラフベースのクラスタリング: LLP崩壊の不均一なトポロジーに特化した、特定の枝刈り技術（相互k-NN、エッジサポート、ブリッジ検出）を備えたグラフベースの戦略の導入。
4. FCC-eeコンテキストでの検証: アルゴリズムは、エキゾチックな $h \to NN$ 崩壊（ここで $N$ は重い中性レプトン）を伴うヒッグス・シュトラールング（$e^+e^- \to Zh$）を用いた、IDEA風のFCC-ee検出器構成において検証されている。

結果

アルゴリズムは、固有の寿命 $c\tau \in [10, 100, 1000]$ mm のサンプルに対してテストされた。

• 効率: 再構成効率は極めて高く、$L_{xy} \gtrsim 50$ mm の横方向変位に対して $>98\%$ に達する。より小さな変位については、効率は95%から97%の範囲にある。非常に大きな変位（$L_{xy} \ge 2000$ mm）では、トラッキング・ボリュームの制限により効率は約70%まで低下する。
• 純度: 5個以上のトラックを持つ頂点については、頂点純度は非常に高く（$\ge 99\%$）、3個のトラックを持つ頂点については、主にヘビーフレーバー崩壊の影響で80–85%となるが、これは運動学的なカットによって抑制可能である。
• 分解能:
  • インナー・ディテクタ: 空間分解能は $\le 2$ $\mu$m。
  • アウター・頂点検出器: 分解能は、横方向で5–12 $\mu$m、縦方向で $\sim 5$ $\mu$mへと劣化する。
  • ドリフトチェンバー: 横方向で20–70 $\mu$m、縦方向で100–200 $\mu$m。
  • フィットの共分散行列から得られる「予測」不確かさは、「測定」された残差とよく一致している（2–10%以内）。
• 運動学的再構成: HNLおよび親ヒッグス粒子の再構成された不変質量は、真値と極めて良好に一致している。「補正質量」は真の質量分布を効果的に回収し、信号と背景事象の効率的な分離を可能にする。
• 感度予測: 再構成された頂点を用いて、著者はFCC-eeにおけるエキゾチックなヒッグス分岐比への感度を投影している。固有の寿命が10–1000 mm、質量が20–60 GeVの場合、95% CLでの上限値は $BR(h \to NN) \lesssim (6-7) \times 10^{-6}$ であると推定している。

重要性と主張

本論文は、柔軟で現実的なツールを提供することにより、現象論的研究と実験的解析の間の溝を埋めるものであると主張している。

• アクセシビリティ: 標準的な MadGraph–Pythia–Delphes チェーンに統合することで、完全なオフライン再構成フレームワークの計算オーバーヘッドなしに、高速かつ現実的なLLP解析を可能にする。
• 物理的到達範囲: 実証された効率と分解能は、エキゾチックなヒッグス崩壊に対するモデルに依存しない感度の投影を可能にし、BSMスカラーによるSMヒッグス部門への混合や、左手系対称モデル（LRSM）のようなモデルにおける媒介子の質量スケールを制約できる可能性がある。
• 汎用性: 本手法はFCC-eeにおいて検証されているが、著者は、CEPC、CLIC、ミューオン・コリジョン、およびハドロン・コリジョンを含む他の衝突型加速器のシナリオにも容易に適用可能であるとしている。

著者は、このツールが「ターンキー」かつ「プラグアンドプレイ」であり、LLP感度投影のリアリズムを向上させるために現象論コミュニティが即座に使用できるように設計されていることを強調している。