Measurement of the Higgs boson total decay width using the H $\to$ WW $\to$ e$\nu\mu\nu$ decay channel in proton-proton collisions at $\sqrt{s}$ = 13 TeV

CMS 実験は 13 TeV の陽子 - 陽子衝突データ 138 fb$^{-1}$を用いて H $\to$ WW $\to$ e$\nu\mu\nu$ 過程を通じてヒッグス粒子の全崩壊幅を 3.9$^{+2.7}_{-2.2}$ MeV と測定し、標準模型との整合性を確認しながら、以前の結果に比べて不確かさを 3 倍改善した。

要約

この論文を、平易な言葉と創造的な比喩を用いて解説します。

全体像：幽霊の重さを量る

ヒッグス粒子を想像してください。それは非常に気弱で、信じられないほど速い幽霊のようです。巨大な粒子加速器（大型ハドロン衝突型加速器、LHC）に一瞬現れては消えてしまいます。科学者たちは、この幽霊が持つエネルギーの「重さ」、つまり物理学者が崩壊幅と呼ぶものが、正確にどれくらいなのかを知りたいと考えています。

崩壊幅をベルの鳴り声の大きさに例えてみましょう。

• 長く鳴り響くベル（広い崩壊幅）は、大きくて聞き取りやすいです。
• ほんの一瞬だけ鳴るベル（狭い崩壊幅）は、捉えがたい静かな「ピンプ」のようなものです。

標準模型（物理学のルールブック）は、このヒッグス幽霊が非常に静かな「ピンプ」である、つまり直接聞こえるほどではないほど静かであると予測しています。これは、浴室の体重計で羽の正確な重さを測ろうとするようなものです。体重計の感度では不十分なのです。

手口：反響を聴く

直接幽霊の重さを量ることができないため、CERN の CMS チームは巧妙な手口を用いました。彼らは幽霊が現れる 2 つの異なる様子を調べました。

1. 「オンシェル」の幽霊（メインイベント）： これは、正常で期待されるエネルギー（125 GeV）で現れる幽霊です。まるで、招待された通りにパーティに現れる幽霊のようです。
2. 「オフシェル」の幽霊（稀な来客）： これは、はるかに高いエネルギー（160 GeV 以上）で現れる幽霊です。まるで、はるかに高いエネルギーレベルでパーティに乱入してくる幽霊のようです。これは非常に稀に起こります。

比喩：
車のエンジンの回転数を調べたいが、エンジン自体は見られないと想像してください。その代わりに、低速時（オンシェル）の燃料消費量と、レッドゾーンでエンジンを吹かしている時（オフシェル）の燃料消費量を比較して調べます。

この論文は、これらの 2 つの「燃料消費量」の比率が、エンジンの秘密の回転数（崩壊幅）を教えてくれると説明しています。幽霊が非常に「狭い」（静か）であれば、通常のバージョンに比べて、高エネルギーの「オフシェル」バージョンははるかに生成されにくくなります。高エネルギーバージョンが通常のバージョンに比べてどのくらいの頻度で現れるかを測定することで、彼らは幅を計算することができます。

実験：大フィルター

科学者たちは138 フェムトバールンのデータを調べました。これを理解しやすくするために例えると、2016 年から 2018 年の間に LHC で発生した陽子同士の衝突を、138 兆回も観測したことになります。

彼らが探していたのは特定のシグナルです。ヒッグス粒子が 2 つの W 粒子に変わり、それがさらに電子とミューオン（そしていくつかの不可視のニュートリノ）に変わる現象です。

• 課題： 背景ノイズは巨大です。満員のスタジアムで歓声に包まれた人々の間でささやきを聴こうとするようなものです。この「観客」は、ヒッグスではないが似ている他の粒子衝突です。
• 解決策： 彼らは**深層ニューラルネットワーク（DNN）**を使用しました。これは超賢い AI の審判のようなものです。それはすべての衝突を一つずつ見て、「これはヒッグス幽霊のように見えるか、それとも単なる背景ノイズか？」と問いかけました。そして、周囲を飛び交う他の粒子（ジェット）の数に基づいて、事象を異なるカテゴリに分類しました。

結果：完璧な一致

ノイズを整理し、AI 審判を用いた後、チームは以下の結果を得ました。

• オフシェルシグナル： 彼らは高エネルギーの幽霊が現れる頻度を測定しました。その結果は1.2（不確実性を伴う）でした。ルールブックでは、値が 1.0 が完璧です。したがって、1.2 は期待値に非常に近い値です。
• 全崩壊幅： 高エネルギーの幽霊と通常の幽霊の比率を用いて、彼らは全崩壊幅を計算しました。
  • 彼らの結果： 3.9 MeV（±若干の誤差）。
  • 予測値： 4.1 MeV。

結論： この測定値は標準模型と完璧に一致しています。この「幽霊」は、ルールブックが予言した通り、まさに静かで捉えがたい存在でした。

なぜこれが重要なのか

これは単なる「発見した」という論文ではなく、「正確に測定した」という論文です。

• 改善： この結果は、同じチームが古いデータを用いて行った以前の試みよりも3 倍正確です。
• 新しいチャネル： これは、CMS チームがH → WW（ヒッグスから W 粒子へ）というチャネルを用いて、13 TeV という高エネルギーでこの特定の幅を測定した初めての事例です。以前は、異なるチャネル（H → ZZ）を使用する必要がありました。
• 整合性： この測定値が予測とこれほどよく一致しているという事実は、現在、影に隠れた「奇妙な」新しい物理が存在しないことを意味します。ヒッグス粒子は、標準模型が予測する通り正確に振る舞っています。

まとめ

CMS チームは、幽霊の重さを量ろうとする探偵のようでした。彼らは直接重さを量ることができないため、幽霊が「通常」の状態と「高エネルギー」の状態のどちらでどのくらいの頻度で現れるかを比較しました。膨大な量のデータと、ノイズを除去する賢い AI を用いることで、彼らは幽霊の「幅」を3.9 MeVと計算しました。これは理論的な予測値である4.1 MeVとほぼ完璧に一致しており、宇宙の構成要素に対する現在の理解が依然として堅固に保たれていることを確認しました。

技術概要

技術概要：H → WW → eνµν 崩壊チャネルを用いたヒッグス粒子の全崩壊幅の測定

問題と動機
ヒッグス粒子の全崩壊幅（$\Gamma_H$）は、標準模型（SM）の基本的なパラメータである。質量 125 GeV の標準模型ヒッグス粒子の場合、理論予測値は 4.1 MeV である。しかし、この値は大型ハドロン衝突型加速器（LHC）の検出器の不変質量分解能よりも著しく小さいため、崩壊幅の直接測定は不可能である。したがって、$\Gamma_H$ は、「オンシェル」（共鳴質量付近）と「オフシェル」（高不変質量領域）におけるヒッグス粒子の生成率を比較することで、間接的に制約を課さなければならない。

これまでに CMS コラボレーションによる $H \to ZZ$ チャネルおよび $H \to WW \to 2\ell 2\nu$ チャネル（7 TeV および 8 TeV データ使用）の測定は制約を与えたが、精度は限定的であった。本研究は、$\sqrt{s} = 13$ TeV における Run 2 全体（2016–2018 年）のデータセットを用いて、特に $H \to WW \to e\nu\mu\nu$ 崩壊チャネルを対象に、$\Gamma_H$ のより精密な決定を行うことを目的としている。本研究は、衝突エネルギーの増大、高集積ルミノシティ、および洗練された理論的・実験的モデリングを活用することで、このチャネルにおける以前の CMS 制限（$\Gamma_H < 26$ MeV）を改善することを目指す。

手法
本解析は、CMS 実験で収集された 138 fb$^{-1}$ の集積ルミノシティに対応する陽子 - 陽子衝突データを利用する。測定は、オフシェルとオンシェルの生成断面積の比率に依存し、これは全崩壊幅に比例する（$\Gamma_H \propto \mu_{\text{off-shell}} / \mu_{\text{on-shell}}$）。

• 事象選択と再構成： ドレル・ヤン背景を抑制するため、反対符号の電子 - ミューオン対（$e\mu$）を必要とする事象を選択する。運動学的要件としては、ニュートリノを考慮した横方向運動量欠損（$p^{\text{miss}}_T > 20$ GeV）、ダイレプトン不変質量 $m_{e\mu} > 20$ GeV、および再構成されたヒッグス粒子の横方向質量 $m^H_T > 60$ GeV が含まれる。ジェットは anti-$k_T$ アルゴリズムを用いてクラスタリングされ、トップクォーク背景を低減するため、$b$ タグ付きジェットを持つ事象は除外される。
• カテゴリ化： ジェットの数（0、1、および $\ge 2$）に基づいて事象をカテゴリ化し、グルーオン融合（ggF）とベクトルボソン融合（VBF）の生成モードを区別する。
• 機械学習による弁別： 信号と背景を分離するために、多クラス深層ニューラルネットワーク（DNN）が採用される。DNN は、0 ジェットおよび 1 ジェットのカテゴリでは 4 クラス（オフシェル ggF、オンシェル ggF、トップクォーク、非共鳴 WW）に、$\ge 2$ ジェットのカテゴリでは 6 クラス（オフシェル/オンシェル VBF を追加）に事象を分類するように訓練される。入力変数には、ダイレプトン系、ダイジェット系、横方向運動量欠損、および WW 系の代理不変質量の運動学的特性が含まれる。
• 信号および背景モデリング：
  • 信号： オフシェル寄与は、$m_{WW} > 160$ GeV という生成器レベルの要件によって定義される。ggF および VBF のシミュレーションには、POWHEG と JHUGEN（VBF の場合）または MCFM（ggF の場合）が使用され、複雑な極スキームと信号および連続背景間の干渉効果が組み込まれている。
  • 背景： 主要な背景には、非共鳴 WW 生成、トップクォーク（$t\bar{t}$）、およびドレル・ヤン過程が含まれる。非共鳴 WW および $t\bar{t}$ の正規化は、データを用いて信号領域（SR）と制御領域（CR）で同時に制約される。非提示レプトン背景は、データ駆動型の「行列法」アプローチを用いて推定される。
• 統計解析： COMBINE フレームワークを用いてプロファイル尤度フィットが実行される。尤度関数には、オフシェル信号領域およびオンシェル制御領域に対する DNN 出力分布が組み込まれる。系統的不確かさ（実験的および理論的）は、ガウス制約を持つノイズパラメータとして扱われる。

主な貢献

• $H \to WW$ における初の 13 TeV 測定： 本研究は、$\sqrt{s} = 13$ TeV における $H \to WW \to e\nu\mu\nu$ チャネルを用いたヒッグス粒子の崩壊幅の最初の CMS 決定を示す。
• 精度の向上： 本解析は、この特定の崩壊チャネルにおける以前の CMS 結果（7 TeV および 8 TeV データから導出）と比較して、不確かさを 3 倍改善している。
• 高度なモデリング： 本研究は、オフシェルヒッグス信号と連続 WW 背景間の干渉の高度なモデリングを実装しており、高質量テールにおける信号強度の正確な抽出に不可欠である。
• DNN ベースのカテゴリ化： 深層ニューラルネットワークの適用により、異なるジェット多重度において信号と背景を効率的に弁別することが可能となり、ggF および VBF 生成モードの両方において感度が最適化されている。

結果

• オフシェル信号強度： オフシェル信号強度は $\mu_{\text{off-shell}} = 1.2^{+0.8}_{-0.7}$ として測定された。この値は、1 である標準模型の予測と一致している。
• 全崩壊幅： ヒッグス粒子の全崩壊幅は $\Gamma_H = 3.9^{+2.7}_{-2.2}$ MeV と決定された。
• 標準模型との整合性： 測定された幅は、4.1 MeV である標準模型の予測と一致している。
• 排除限界： オフシェルヒッグス粒子の生成がないというシナリオは、3.4 シグマ（期待される排除は 1.3 シグマ）で排除された。幅に対する 95% 信頼区間の上限は $\Gamma_H < 22.00$ MeV である。
• 不確かさの内訳： 比率 $r = \mu_{\text{off-shell}}/\mu_{\text{on-shell}}$ の全不確かさは、統計的不確かさ（56%）が支配的であり、次いで理論的不確かさ（27%）が続く。

意義
本論文は、この結果がヒッグス粒子の性質を制約する上で重要な進展であると主張している。以前の $H \to ZZ$ チャネルにおける測定を補完することで、本解析は $WW$チャネルを用いた$\Gamma_H$ に対する堅牢かつ独立した制約を提供する。この結果は、不確かさの範囲内で標準模型の予測を確認し、異常な結合や新物理を示唆する可能性のある標準模型からの逸脱が、現在測定された範囲内で制約されていることを示している。このチャネルにおける以前の限界に対する精度の向上は、Run 2 全体のデータセットを活用し、深層学習や精密な干渉モデリングなどの高度な解析手法を適用することの有効性を浮き彫りにしている。