Search for a resonance decaying into a scalar particle and a Higgs boson in the final state with two bottom quarks and two photons with 199 fb$^{-1}$ of data collected at $\sqrt{s}$=13 and 13.6 TeV with the ATLAS detector

ATLAS 検出器が 13 TeV および 13.6 TeV で収集した 199 fb$^{-1}$の陽子 - 陽子衝突データを用いて、$b\bar{b}\gamma\gamma$ 最終状態におけるより軽いスカラー粒子とヒッグス粒子へ崩壊する重スカラー共鳴の探索を行った結果、標準模型の背景に対して有意な過剰は観測されず、生成断面積と分岐率の積に対する 95% 信頼水準の上限値が設定された。

要約

大型ハドロン衝突型加速器（LHC）を、陽子（微小な素粒子）が光速に近い速度で衝突する巨大な高速粒子レーストラックだと想像してください。衝突すると、エネルギーの混沌とした爆発が起き、新しい重い粒子が一瞬形成された後、瞬く間により軽く安定した粒子へと崩壊します。

この論文は、巨大な検出器（3 次元カメラのようなもの）を用いてこれらの衝突を観測する科学者チーム、「ATLAS コラボレーション」からの報告です。彼らは、ある非常に特定された稀な事象を探しています。それは、「重い親」粒子が、「軽い子」粒子と有名な「ヒッグス粒子」へと崩壊する事象です。

以下に、彼らの探索の物語を分かりやすく解説します。

謎：重い親と二人の子

科学者たちは、$X$ と呼ばれる仮説上の重い粒子を探しています。

• 理論： 彼らは、$X$ が長くは存在しない「親」粒子であると考えています。それが崩壊すると、二人の「子」に分かれます。
  1. $S$ という名前の軽いスカラー粒子。
  2. 2012 年に発見され、他の粒子に質量を与えることで知られるヒッグス粒子。
• 崩壊連鎖：
  • ヒッグス粒子は即座に2 つの光子（光の粒子）へと変わります。
  • 軽い粒子$S$は即座に2 つのボトムクォークへと変わります（これらは検出器内でエネルギーのジェットのように振る舞います）。
• 目標： 彼らが探しているのは、この特定の系図の「指紋」です。2 つの光子 ＋ 2 つのボトムクォーク。

探索戦略：干し草の山から針を見つけること

巨大な土の山の中から、特定の珍しい硬貨を見つけることを想像してください。その「土」は、毎秒発生する数十億もの通常の粒子衝突の背景ノイズです。そして「珍しい硬貨」が、彼らが探している信号です。

1. フィルター（トリガー）： 検出器はすべての衝突を記録するほど暇ではありません。そのため、2 つの高エネルギーの光の閃き（光子）が同時に現れる事象のみを保存する「スマートなフィルター」を使用します。
2. 同定（タグ付け）： 候補となる事象が見つかったら、彼らは「ボトムクォーク」を探します。ボトムクォーク由来である可能性が高いエネルギーのジェットを特定するために、GN2という名前の特殊なアルゴリズム（一種の AI）を使用します。彼らは、1 つまたは2 つの「ボトムタグ付き」ジェットを持つ事象を探します。
3. 質量チェック： 彼らは粒子の総重量（質量）を計算します。
   • 2 つの光子の質量は、ヒッグスの既知の質量である約125 GeVであるはずです。
   • 2 つのボトムクォークの質量は、軽い粒子$S$の質量に相当するはずです。
   • すべてを合わせた総重量は、重い親$X$の質量を明らかにするはずです。

改善点：より鋭いレンズ

この論文は、以前の探索の更新版です。チームは単にデータを多く集めただけでなく、より良く観測しました。

• より多くのデータ： 彼らは LHC の 2 つの異なる時代（ラン 2 とラン 3 の初期部分）からのデータを組み合わせ、探索対象となる「干し草の山」を大幅に増やしました。
• より優れたツール： ボトムクォークを特定するための「AI」をアップグレードし、本物をより効率的に見つけ、偽の信号を無視できるようにしました。
• より焦点を絞る： ヒッグス質量（2 つの光子）の範囲を狭めることで、背景ノイズをさらにカットすることに成功しました。

結果：新しい粒子は見つからなかった

199 フェムトバールン（衝突記録の膨大な量）のデータを分析した後、チームはデータ内の「バンプ」、すなわち新しい粒子$X$の存在を示す事象数の急激な増加を探しました。

• 結果： 彼らは有意な過剰を見つけませんでした。データは、背景ノイズに対する標準模型（現在の物理学における最良の理論）の予測と完全に一致していました。
• 「ゴースト」信号： 以前の古いデータを用いた探索では、特定の質量（575 GeV）に、新しい粒子であるかのように見えた小さく興味深い「バンプ」がありました。しかし、この新しく、より大きく、より精密なデータセットでは、そのバンプは消えました。それは統計的な偶然か、背景ノイズの誤解であった可能性が高いです。

結論：制限の設定

新しい粒子が見つからなかったとしても、この探索は失敗ではありませんでした。科学において、何がないかを知ることは、何があるかを知るのと同じくらい重要です。

チームは、この仮説上の粒子$X$がどれほど重いか、あるいはどれほど一般的であるかについて、厳格な制限を設定しました。彼らは本質的にこう言っています。

「もしこの粒子$X$が存在するならば、現在検出可能な範囲よりも稀でなければならないか、あるいは私たちがテストした範囲外の質量でなければならない。」

彼らは、この特定の崩壊様式を仮定した場合、重い親については170 から 1000 GeV、軽い子については15 から 500 GeVの質量範囲において、この粒子の存在を否定しました。

要約： ATLAS チームは、超強力な顕微鏡を用いて、宇宙で最もエネルギーの高い衝突をスキャンし、特定の稀な粒子の家族を探しました。彼らはその家族を見つけることはできませんでしたが、その家族が隠れることができない場所を正確にマッピングすることに成功し、将来の発見に向けた探索範囲を狭めました。

技術概要

技術的サマリー：スカラー粒子とヒッグス粒子への崩壊する共鳴の探索（$X \to S(\to b\bar{b})H(\to \gamma\gamma)$）

問題と動機
2012 年に発見されたヒッグス粒子（$H$）は標準模型（SM）の予測とよく一致していますが、実験データは、複素シングレット拡張、2 ヒッグス二重項モデル（2HDM）、および最小超対称標準模型の次の段階（NMSSM）などの様々な標準模型を超える（BSM）理論で予測される追加のスカラー状態の存在を否定するものではありません。本論文では、$S$ が bottom クォーク対（$b\bar{b}$）へ、$H$ が光子対（$\gamma\gamma$）へ崩壊する、軽いスカラー $S$ と SM ヒッグス粒子への重いスカラー共鳴 $X$ の崩壊（$X \to SH$）の探索を取り扱います。この特定の最終状態（$b\bar{b}\gamma\gamma$）は、特に $S$ の低質量領域において、他の崩壊チャネルと比較して固有の感度を提供します。Run-2 データを用いた過去の ATLAS および CMS 解析は制限を設定しましたが、ATLAS では $(m_X, m_S) = (575, 200)$ GeV、CMS では $(650, 90)$ GeV において局所的な逸脱（例）が観測されており、統計量の増加と解析手法の改善によるさらなる調査を要します。

手法
本解析は、LHC における ATLAS 検出器で収集された陽子 - 陽子衝突データを利用し、$\sqrt{s}=13$ TeV（Run 2）で積分光度 140 fb$^{-1}$、$\sqrt{s}=13.6$ TeV（初期 Run 3）で 58.6 fb$^{-1}$ に相当します。

• 事象選択: 105 から 160 GeV の間の不変質量（$m_{\gamma\gamma}$）を持つ 2 つの光子候補を要求し、横エネルギーが $E_T > 0.35 \times m_{\gamma\gamma}$ および $E_T > 0.25 \times m_{\gamma\gamma}$ を満たす事象を選択します。$t\bar{t}H$ バックグラウンドを抑制するため、識別された電子またはミューオンを含む事象は棄却されます。
• 信号領域（SR）: 本解析はヒッグス質量周辺に厳密な SR ウィンドウ（$122.5 < m_{\gamma\gamma} < 127.5$ GeV）を定義し、以前の解析からウィンドウを狭めることでバックグラウンドを半分に削減しつつ、信号の 85–90% を保持します。事象は、$b$ タグ付きジェットの数に基づき、厳密に 1 個の $b$-ジェットと厳密に 2 個の $b$-ジェットという 2 つの排他的領域に分類されます。この分類は、$S$ ボソンが高度にブーストされている場合（コリメートされた $b$-ジェットが 1 つに融合する）または運動量が低い場合（1 つの $b$-ジェットが再構成されない）の運動学的変動に対処します。
• オブジェクト再構成: 光子同定には「Tight」基準を使用します。ジェットは、粒子フロー入力を用いた anti-$k_t$ アルゴリズム（$R=0.4$）で再構成されます。重要なアップグレードとして、GN2 トランスフォーマー型ニューラルネットワークを $b$-タグging に使用し、同程度の軽ジェット拒否率を維持しつつ、効率を以前の DL1r アルゴリズムの 77% から 85% に向上させました。
• 多変量解析（MVA）: 信号とバックグラウンドを区別するために、パラメータ化されたニューラルネットワーク（PNN）が採用されます。PNN は、事象の運動学的特徴（例：$b$-ジェット系の不変質量、$m_{\gamma\gamma}$ との相関を除去するように設計された修正不変質量 $m^*_{bb\gamma\gamma}$ および $m^*_{b\gamma\gamma}$）および位相空間パラメータ（$m_X, m_S$）を入力として受け取ります。これにより、質量平面全体（$170 \le m_X \le 1000$ GeV、$15 \le m_S \le 500$ GeV）にわたって補間する単一の識別子を訓練することが可能になります。
• バックグラウンド推定: 支配的な非共鳴 $\gamma\gamma$+ジェットバックグラウンドの形状は Sherpa MC を用いてモデル化され、その正規化はヒッグス質量ウィンドウの外で定義された制御領域（CR）からのデータから導出されます。他のバックグラウンド（例：$t\bar{t}\gamma\gamma$、$Z\gamma\gamma$、SM ヒッグス生成）は、理論的断面積を用いて正規化されます。光度、ジェットエネルギー較正、$b$-タグging、理論モデリングに起因する系統誤差は、フィットにおいてノイズパラメータとして扱われます。

主要な貢献と改善
本作業は、以前の Run-2 解析 [18] の更新版であり、いくつかの具体的な技術的進歩を伴います：

1. データ量: 初期 Run-3 データ（13.6 TeV）の組み込みにより、総データセットが約 42% 増加しました。
2. アルゴリズムのアップグレード: GN2 $b$-タグging アルゴリズムの実装により、平均して $b$-ジェット効率を 8% 向上させました。
3. 洗練された選択: バックグラウンドを大幅に削減するための狭い $m_{\gamma\gamma}$ 信号ウィンドウ（122.5–127.5 GeV）。
4. 較正の更新: Run-3 のパイルアップ条件を考慮した、改訂された $b$-ジェットエネルギー較正と更新された光子同定/分離基準。
5. 訓練戦略: 更新された入力と信号領域の定義の洗練による PNN の再訓練。

結果
本解析は、両方のデータ取得期間および $b$-タグカテゴリにおける SR と CR の PNN 出力分布に対して、同時バinned 最尤フィットを実行します。

• 観測: SM バックグラウンドのみの仮説に対する有意な過剰は観測されませんでした。最大局所有意性は 2.0 標準偏差で、$(m_X, m_S) = (235, 60)$ GeV で見つかりました。
• 過去の異常: 以前 ATLAS が $(575, 200)$ GeV で観測した局所的過剰（3.5$\sigma$）および CMS が $(650, 90)$ GeV で観測した逸脱は、本解析では確認されませんでした。以前の ATLAS 過剰に寄与していた事象は、更新された光子/電子再構成および $b$-タグging により現在の選択基準を満たさなかったか、より狭い $m_{\gamma\gamma}$ ウィンドウの外にあったことが判明しました。
• 制限: 13 TeV における過程 $X \to S(\to b\bar{b})H(\to \gamma\gamma)$ に対する生成断面積と分岐率の積（$\sigma \times \mathcal{B}$）に対して、95% 信頼水準（CL）の上限が設定されました。制限は、$m_X=170$ GeV、$m_S=30$ GeV で 9.0 fb から、$m_X=1000$ GeV、$m_S \in [175, 300]$ GeV で 0.06 fb の範囲にあります。

意義
本論文は、以前の Run-2 のみの解析と比較して、探査された質量平面全体で感度が大幅に向上したと主張しています。断面積に対する期待される制限は 15% から 73% まで改善され、最も顕著な改善（最大 73%）は低質量領域で発生しました。この改善は、Run-3 データの組み合わせ、より厳密な $m_{\gamma\gamma}$ 選択、GN2 $b$-タグging アルゴリズムのより高い効率、および更新された PNN 訓練の組み合わせに起因します。結果は、この特定の BSM 崩壊トポロジーに対して現在最も厳しい制約を提供し、以前観測された局所的逸脱を統計的揺らぎまたは以前の解析構成のアーティファクトとして実質的に排除します。