Measurement of angular correlations inside jets induced by gluon polarization in proton-proton collisions at $\sqrt{s}$ = 13.6 TeV

CMS 検出器を用いた 13.6 TeV の陽子 - 陽子衝突データ（2022 年、34.7 fb$^{-1}$）の解析により、ジェット内部の角相関を測定し、グルーオンの偏極を考慮したモデルが実験結果と一致する一方、それを無視したモデルは強く否定されることを示しました。

要約

素粒子の「ダンス」を解き明かす：CERN の最新発見

この論文は、スイスにある世界最大の素粒子実験施設「CERN（セิร์น）」の CMS 実験チームが、2026 年に発表した画期的な研究成果です。

一言で言うと、**「原子の核を結びつける『グルーオン』という粒子が、自分自身の『回転（スピン）』によって、周りの粒子にどんな影響を与えているかを、初めて直接観測した」**という話です。

これを一般の方にもわかりやすく、いくつかのアナロジーを使って説明しましょう。

---

1. 舞台設定：巨大な「粒子のジェット機」

まず、CERN の加速器（LHC）では、プロトン（水素の原子核）同士を光の速さ近くまで加速して衝突させています。
この衝突は、**「超高速で飛んできた 2 台の車が激突し、無数の破片が四方八方に飛び散る」**ようなものです。

この飛び散る破片の塊を**「ジェット（Jet）」**と呼びます。このジェットの中には、さらに小さな粒子が次々と生まれて飛び散る「シャワー（粒子の雨）」が発生しています。

2. 主人公：グルーオン（接着剤の妖精）

このジェットの中で活躍する重要なキャラクターが**「グルーオン」**です。
グルーオンは、クォーク（物質の最小単位）同士をくっつけている「接着剤」のような役割を果たす粒子です。

• これまでの常識： グルーオンは「回転（スピン）」を持っていますが、それが複雑な「干渉（波が重なり合う現象）」を起こして、飛び散る粒子の角度に微妙な影響を与えていることは理論上わかっていました。
• 問題点： しかし、ジェットの中では無数の粒子がごちゃごちゃに混ざり合っており、その「回転による微妙な影響」を他のノイズから区別して見つけるのは、**「大騒ぎするスタジアムの片隅で、一人の囁きを聞き取る」**くらい難しいことでした。

3. 新発明：「AI による選別」と「逆算の魔法」

この研究のすごいところは、2 つの新しいテクニックを使っている点です。

① AI による「おまじない」で良い粒子だけ選ぶ

ジェットの中には、グルーオンが「クォークと反クォーク」のペアに分裂する瞬間が含まれています。この瞬間こそが、グルーオンの「回転」の影響が最もはっきり現れる場所です。
しかし、これは全イベントのほんの一部しかありません。そこで、チームは**「深層学習（AI）」**を開発しました。

• アナロジー： 大量の砂の中から、特定の形をした「金砂」だけを見つける機械を作ったようなものです。AI がジェットの中身を詳しく分析し、「ここはグルーオンの回転が効いている可能性が高い！」というイベントだけをピンポイントで選り抜きます。

② 逆算して「過去」を復元する

ジェットが形成される過程は、木が枝分かれしていくように、次々と分裂を繰り返します。

• アナロジー： 爆発して散らばった花火の破片を見て、「元の花火がどんな形だったか」を逆算して復元するようなものです。
  研究チームは、ジェットを構成する粒子を「逆順」にたどる（デクリスタル化）ことで、分裂の瞬間の角度を精密に測定しました。

4. 発見：「回転」が確かに存在した！

選り抜かれたデータを見ると、粒子が飛び散る角度に、**「グルーオンの回転による特有の模様（パターン）」**がはっきりと現れていました。

• 比較実験：
  • シミュレーション A（回転あり）： グルーオンの回転を考慮した計算モデル。
  • シミュレーション B（回転なし）： 回転を無視した単純なモデル。
• 結果： 実際のデータは、「回転あり」のモデルと非常に良く一致しました。逆に、「回転なし」のモデルはデータと大きくズレており、否定されました。

これは、**「グルーオンが単なる接着剤ではなく、回転するスピンを持つことで、周囲の粒子の動きを『ダンス』のように誘導している」**ことを初めて実証したことになります。

5. なぜこれが重要なのか？

• 理論の正しさを確認： 量子色力学（QCD）という、物質の核を支配する理論の予測が、これまで以上に高い精度で正しいことが証明されました。
• 未来への応用： この「回転の影響」を正しく理解することで、将来、ヒッグス粒子が崩壊してグルーオンになる過程などをより正確にシミュレーションできるようになります。これは、未知の粒子を探すための「地図」をより精密にするのに役立ちます。

まとめ

この論文は、**「CERN の巨大な衝突実験で、AI と高度な数学を使って、グルーオンという粒子の『回転』が作り出す微細なダンスの痕跡を、初めて鮮明に捉え出した」**という快挙です。

まるで、嵐の中で舞う葉っぱの動きを分析することで、見えない風の渦の正体を突き止めたようなものです。この発見は、私たちが宇宙の根本的な法則を理解する上で、新たな一歩を踏み出したことを意味しています。

技術概要

CERN CMS 実験による 13.6 TeV 陽子 - 陽子衝突におけるジェット内部のグルーオン偏極に起因する角相関の測定：技術的サマリー

本論文は、CERN の CMS 実験チームが、LHC の Run 3（2022 年）で収集した陽子 - 陽子衝突データ（$\sqrt{s} = 13.6$ TeV、積分光度 34.7 fb$^{-1}$）を用いて、ジェット内部の軟・共線部分子放射においてグルーオンの偏極（スピン）に起因する角相関を初めて観測したことを報告するものです。

以下に、問題設定、手法、主要な貢献、結果、および意義について詳細にまとめます。

---

1. 問題設定と背景

• グルーオンのスピンと相関: グルーオンはスピン 1 のゲージ粒子であり、$e^+e^-$ 衝突実験（LEP など）ではジェット間のスピン相関が確認されています。しかし、ジェット内部の共線・軟放射（パトンシャワー）における角相関は、非摂動効果の影響を受けやすく、これまで直接的に観測されたことはありませんでした。
• 理論的課題: 現在のパトンシャワー（PS）モンテカルロ（MC）イベントジェネレータ（PYTHIA 8, HERWIG 7 など）は、グルーオンのスピン相関をモデル化していますが、その精度は完全ではありません。特に、$g \to q\bar{q}$（グルーオンのクォーク・反クォーク対への分裂）と $g \to gg$（グルーオンのグルーオン対への分裂）では、スピン相関の符号が異なり、全体として相殺される傾向があります。
• 必要性: ヒッグス粒子の 2 グルーオン崩壊など、クォーク・反クォーク対への分裂が重要なプロセスにおけるジェットタグging（識別）の精度向上や、パトンシャワーモデルの改善のため、ジェット内部の粒子間角相関を実験的に測定し、モデルを検証することが急務でした。

2. 手法と分析戦略

本研究では、ジェット内部の分裂履歴を再構築し、特定の分裂プロセスを選択する革新的な手法を開発しました。

• データと再構築:
  • 反 $k_T$ アルゴリズム（距離パラメータ $R=0.8$）で AK8 ジェットを再構築。
  • Cambridge-Aachen (CA) アルゴリズムを用いてジェットを「decluster（再結合の逆順）」し、部分子分裂の連鎖（パトンシャワー）を代理（プロキシ）として抽出。
• 観測量の定義:
  • 2 段階の連続する分裂 $X \to 1+2$、$2 \to 3+4$において、分裂平面間の角度$\Delta\phi$ を定義しました。
  • $\cos \Delta\phi = \hat{n}_{1,2} \cdot \hat{n}_{3,4} \cdot \text{sign}[(\hat{n}_{1,2} \times \hat{n}_{3,4}) \cdot \vec{p}]$
  • ここで、$\hat{n}$ は分裂平面の法線ベクトル、$\vec{p}$ は 1, 2 のうちより高エネルギーな部分子の運動量です。
• イベント選別と機械学習（ML）の活用:
  • スピン相関が最も顕著な「$X \to Xg$ の後に $g \to q\bar{q}$ が起こる」トポロジーを特定する必要があります。
  • 深層ニューラルネットワーク（DNN）を開発し、再構築されたサブジェット（3 と 4）の内部構造や分裂特徴量（12 変数）を用いて、分裂タイプ（$qg, gg, qq$, 未マッチなど）を分類しました。
  • DNN の出力スコア（特に $g \to q\bar{q}$ 確率）を用いて、$qq$ 成分の純度を高める選別（スコア > 0.6）を行いました。
• シミュレーションとの比較:
  • PYTHIA 8 と HERWIG 7 の 2 つの MC ジェネレータを使用。
  • 「スピン相関あり（Correlation-on）」と「スピン相関なし（Correlation-off）」の 2 種類のモデル設定で予測を比較しました。

3. 主要な貢献

1. 世界初の観測: ジェット内部の軟・共線放射領域において、グルーオン偏極に起因する角相関を初めて直接観測しました。
2. 革新的な選別手法: 機械学習を用いて、複雑なパトンシャワーの中から特定の分裂プロセス（$g \to q\bar{q}$）を高精度に選別する手法を確立しました。
3. 非摂動効果下での検証: 非摂動効果（ハドロン化など）が支配的な領域であっても、グルーオンのスピン相関が明確に観測可能であることを示しました。
4. フラボア定義の安全性: 赤外・共線安全なフラボア定義（interleaved flavor neutralisation）を用いて、中間部分子放射からの軽クォークとグルーオンサブジェットを初めてデータ上で識別しました。

4. 結果

• 分布の形状: 選別された $qq$ カテゴリ（$score_{g\to qq} > 0.6$）における $\Delta\phi$ 分布を測定しました。
  • スピン相関ありモデル: $\Delta\phi$ 分布に明確な変調（Modulation）が見られます。
  • スピン相関なしモデル: 変調はほとんど見られません。
• 統計的有意性:
  • データは「スピン相関なし」仮説に対して 6.8$\sigma$ の有意性で棄却されました。
  • データは「スピン相関あり」仮説に対して 1.9$\sigma$ の一致を示しました（モデルの形状は完全に一致しませんが、相関の有無という点では一致）。
• モデルとの比較:
  • PYTHIA 8（相関あり）はデータとよく一致しますが、HERWIG 7（相関あり）はデータよりも強い変調を予測しており、若干の乖離が見られました。
  • 全体的なイベント（インクリシブ）では相殺効果により差は小さかった（約 0.5%）ですが、$qq$ カテゴリに選別することで差は最大 12% に増大しました。

5. 意義と将来展望

• QCD 理解の深化: パトンシャワーモデルにおけるグルーオンのスピン効果の重要性を実証し、非摂動領域における QCD の理解を深めました。
• イベントジェネレータの改善: 現在の MC モデルが観測された角変調の形状を完全に再現できていないことが示されたため、今後のパトンシャワーアルゴリズム（特に非対数精度を超える精度）の改善に向けた重要な入力データとなりました。
• 物理解析への応用:
  • ヒッグス粒子の $H \to gg$ 崩壊など、グルーオン分裂が関与するプロセスにおけるジェットタグging 性能の向上に寄与します。
  • 今後、ランダム平面（Lund plane）全体でのフラボア依存性のダイナミクスや、他のスピン相関現象の研究に拡張可能です。

結論として、本論文は高エネルギー衝突実験において、ジェット内部の微細な構造からグルーオンの量子力学的性質（スピン）を抽出することに成功した画期的な成果であり、標準模型の精密検証と新物理探索の基盤となる重要なステップです。