Search for higgsinos in compressed mass spectra using low-momentum tracks in $pp$ collisions at $\sqrt{s}=13$ TeV with the ATLAS detector

技術要約：$\sqrt{s}=13$ TeVの$pp$衝突における低運動量トラックを用いた圧縮質量スペクトルのヒッグシーノ探索

問題と動機
本論文は、質量スペクトルが「圧縮（compressed）」されているシナリオにおける超対称（SUSY）ヒッグシーノの探索を扱う。ヒッグシーノ質量パラメータ $|\mu|$ がビノ（$M_1$）およびウィーノ（$M_2$）の質量パラメータよりもはるかに小さいMSSM（最小超対称標準模型）のシナリオでは、最も軽い超対称粒子（LSP）は、ほぼ縮退したヒッグシーノ的な状態（$\tilde{\chi}^0_1, \tilde{\chi}^\pm_1, \tilde{\chi}^0_2$）の三重項を形成する。これらの状態間の小さな質量分裂（$\Delta m$）は、放射補正によって引き起こされ、その結果として非常に低い横運動量（$p_T$）を持つ崩壊生成物がもたらされる。その結果、標準的なトリガー閾値や再構成アルゴリズムは、特に質量分裂が1 GeV未満の場合、これらのイベントを検出することに失敗することが多い。これまでの探索では、「消失トラック（disappearing track）」のシグネチャ（$\Delta m \lesssim 300\text{--}400$ MeV）や、プロンプト・レプトン（prompt lepton）のシグネチャ（$\Delta m \gtrsim 1.5$ GeV）はカバーされていたが、既存の制約が弱い、あるいは存在しない中間および低質量分裂領域にギャップが残っていた。

手法
本解析では、ATLAS検出器によって収集された、$\sqrt{s}=13$ TeVの陽子陽子衝突データ140 fb$^{-1}$を利用している。探索戦略は、ヒッグシーノ対生成が高$p_T$の初期状態放射（ISR）ジェットを伴うものに基づいている。これにより、ヒッグシーノ系がブーストされ、イベントをトリガーするための有意な欠損横運動量（$E^{\text{miss}}_T$）が生成される。異なる質量分裂領域をカバーするために、2つの異なる探索戦略が採用されており、どちらも軟質な（soft）崩壊生成物を識別するために機械学習（ニューラルネットワーク）を活用している：

1. 変位トラック探索（$\Delta m \approx 0.3\text{--}1$ GeV）：

   • 対象： 電荷を持つヒッグシーノ（$\tilde{\chi}^\pm_1$）が、ソフトなパイオン（$\pi^\pm$）とLSP（$\tilde{\chi}^0_1$）へと崩壊し、その寿命が $c\tau \approx 0.1\text{--}10$ mmとなるシナリオ。
   • シグネチャ： 高い $E^{\text{miss}}_T$、高$p_T$のジェット、および少なくとも一つの大きな横方向インパクトパラメータ（$d_0$）を持つ低運動量の荷電トラック。
   • 手法： 2つの全結合ニューラルネットワーク（NN）を使用する。一つはグローバルな運動学（ジェット $p_T$, $E^{\text{miss}}_T$）を利用する「イベントレベル」NNであり、もう一つはトラックの特性（$p_T, d_0$, アイソレーション、二次頂点のマッチング）を利用する「トラックレベル」NNである。信号領域（SR）は、これら2つのNNスコアの2次元平面上で定義される。
   • 背景事象の推定： $Z(\to\nu\bar{\nu})$+jets および $W^\pm(\to\tau\nu)$+jets によって支配される。半データ駆動型のアプローチを用い、制御領域（CR）を使用して正規化因子を導出し、パイアップ（pile-up）やトラックのアイソレーションのモデリング誤差を補正するためのトラックレベルの重み付け因子を適用する。

2. 1レプトン・1トラック（1$\ell$1T）探索（$\Delta m \approx 1\text{--}3$ GeV）：

   • 対象： ヒッグシーノがオフシェルゲージボソン（$\tilde{\chi}^0_2 \to Z^* \to \ell^+\ell^-$ および $\tilde{\chi}^\pm_1 \to W^{*\pm} \to \ell\nu$）を介してプロンプトに崩壊するシナリオ。
   • シグネチャ： 高い $E^{\text{miss}}_T$、高$p_T$のジェット、正確に1つの標準的な「タイト（tight）」なレプトン、および1つの追加の低$p_T$レプトントラック候補（電子またはミューオン）。
   • 手法： 標準的なATLASの能力を超える範囲（$p_T \in [0.5, 5]$ GeV）の電子およびミューオンを識別するために、NNに基づく専用の低$p_T$レプトントラック識別（ID）アルゴリズムが開発された。パラメータ化されたニューラルネットワーク（pNN）が用いられ、質量仮説全体にわたって選択基準を動的に最適化するために、質量分裂 $\Delta m(\tilde{\chi}^0_2, \tilde{\chi}^0_1)$ を入力パラメータとして受け取る。
   • 背景事象の推定： 主な背景事象は、フェイクの低$p_T$レプトントラックを伴う $W^\pm$+jets である。データ駆動型の「転移因子（transfer factor）」法を用い、制御領域においてパスしたトラックと失敗したトラックの比率を測定することで、信号領域におけるフェイク背景事象を推定する。

主な貢献

• 新規の識別技術： NNベースの「ソフトレプタントレッガー」および「トラックレベル」分類器の開発と適用により、標準的なトリガーや再構成ではアクセスが困難であった、0.5 GeVもの低$p_T$の粒子を再構成・識別することが可能となった。
• パラメータ化された機械学習： 1$\ell$1T探索におけるpNNの使用により、特定の質量点ごとに個別の学習を行うことなく、単一のモデルで広範な質量分裂仮説（$\Delta m = 1\text{--}5$ GeV）を効果的にカバーできるようになった。
• 包括的な背景事象モデリング： トラックレベルの重み付け（変位トラック探索）や転移因子法（1$\ell$1T探索）を含む、洗練された半データ駆動型手法の実装により、低統計かつ複雑な運動学を持つ領域において堅牢な背景事象推定を実現した。

結果

• 観測： 標準模型（SM）の予測に対して、いずれの探索においても有意な過剰は観測されなかった。信号領域におけるすべての観測イベント収量は、統計的および系統的な不確かさの範囲内で背景事象の期待値と一致した（偏差は概ね $2\sigma$ 以内であった）。
• 排除限界：
  • 変位トラック探索： 質量分裂が約0.6 GeVの場合、チャージング粒子質量（$m_{\tilde{\chi}^\pm_1}$）が約200 GeVまでの範囲を排除する。
  • 1$\ell$1T探索： 質量分裂が約2 GeVの場合、チャージング粒子質量が約130 GeVまでの範囲を排除する。
  • 結合結果： 結合された結果により、質量分裂が0.3から2 GeVの間において、95%信頼水準で126 GeV以下のチャージング粒子質量を排除する。
• モデルに依存しない限界： 1、3、および5 GeVの質量分裂に対して最適化された1$\ell$1T探索領域に対し、一般的な標準模型外（BSM）プロセスの可視断面積に対する上限値が設定された。

意義
本論文は、これらの結果が、特定の圧縮されたヒッグシーノ・パラメータ空間（具体的には $\Delta m \approx 0.3\text{--}2$ GeV）における初のATLASによる制約であることを主張している。決定的なことに、これらの新しい限界は、質量分裂が0.9–1.2 GeVの範囲で最強の制約を保持していたLEP実験を含む、他の実験によって設定された限界を上回っている。消失トラックとプロンプト・レプトンの間のギャップを埋め、排除範囲を高質量側へ拡張することで、本研究は、単純化されたSUSYモデルの文脈において、圧縮された質量スペクトルを持つヒッグシーノ的なチャージング粒子およびニュートリノに対する、現在最も厳しい制約を提供している。