SemiCharmTag: a tool for Semileptonic Charm tagging

LHCb 実験における 13.6 TeV の陽子 - 陽子衝突をシミュレーションし、二次頂点をハドロン軌跡でタグリングする新手法を開発することで、Drell-Yan 事象の背景を大幅に低減しつつチャーム半レプトン崩壊由来のレプトンを効率的に選別・純粋な背景サンプルを構築する「SemiCharmTag」というツールを提案しています。

要約

素粒子の「探偵ゲーム」：CERN の新しいツール「SemiCharmTag」の解説

CERN（欧州原子核研究機構）の LHCb 実験で開発された新しい技術「SemiCharmTag（セミチャームタグ）」について、難しい専門用語を使わずに、まるで**「混雑した駅での探偵ゲーム」**のように解説します。

1. 舞台設定：混雑する「素粒子の駅」

想像してください。巨大な素粒子加速器（LHC）は、世界中から集まった人々がひしめき合う**「超混雑の駅」**のようなものです。

• 目的の客（シグナル）： 私たちが探しているのは、**「ダイレオン（Drell-Yan）」**という、駅の本線（初期の衝突点）からまっすぐ出発した「純粋な旅客」です。彼らの動きを調べることで、宇宙の成り立ちや物質の性質がわかります。
• 邪魔な客（バックグラウンド）： しかし、駅には**「チャーム（Charm）」や「ビューティ（Beauty）」**という、少し遅れて駅を出発した「泥棒」のような客が大量にいます。彼らは「半レプトン崩壊」という手口で、私たちが探している旅客とそっくりな姿（ミューオンという粒子）に変装して混ざり込んでいます。

問題点：
特に「チャーム」という泥棒は、「純粋な旅客」の 100 倍も大量に存在します。さらに、彼らは「純粋な旅客」と同じような場所から出発したように見せかけるのが上手で、見分けが非常に難しいのです。

2. 従来の方法の限界：「顔認証」だけでは無理

これまでは、泥棒を見分けるために**「出発時刻（衝突点からの距離）」や「足取り（軌跡）」**を厳しくチェックしていました。

• 純粋な旅客： 駅の本線（1 番線）から即座に出発する。
• 泥棒： 駅構内の別の場所（2 番線など）で少し待ってから出発する。

しかし、泥棒の「チャーム」は、待っている時間が非常に短いため（寿命が短い）、足取りが純粋な旅客とほとんど区別がつかないのです。また、泥棒の「顔（どの種類の粒子か）」についての知識が不完全なため、シミュレーション（シミュレーション上の予測）と実際の現場（データ）でズレが生じ、正確な分析が難しくなっていました。

3. 新ツール「SemiCharmTag」の登場：「同行者をチェックする」

そこで開発されたのが、**「SemiCharmTag（セミチャームタグ）」**という新しい探偵テクニックです。

このテクニックの核心は、**「その人物が誰と行動しているか」**に注目することです。

• 純粋な旅客（シグナル）： 一人で、あるいは純粋な仲間と行動している。
• 泥棒（チャーム）： 必ず**「共犯者（ハドロンという粒子）」**を連れて出発している。

探偵の手法：AI による「共犯者分析」

SemiCharmTag は、AI（機械学習）を使って、**「ミューオン（変装した泥棒）と、その隣を歩くハドロン（共犯者）」**のペアを詳しく分析します。

• 距離感： 二人はどのくらい離れているか？
• 歩幅： 二人の歩く速さ（運動量）はどうか？
• 顔つき： 共犯者は「カイオン（K）」という特定の顔つきをしているか？
• 関係性： 二人は同じ場所から出発したか？

AI はこれらの情報を組み合わせて、「このペアは泥棒の共犯関係だ！」と確率を計算します。

4. 2 つの作戦：「全員チェック」と「サンプル採取」

このツールには、2 つの使い方があり、それぞれ異なる目的を持っています。

作戦 A：ダブル・タグ（Double-tag）＝「厳重な検問」

目的： 泥棒を大量に排除し、純粋な旅客の比率を高める。
方法： 2 人の旅客（ミューオン）が揃って駅を出た場合、**「どちらか片方でも共犯者（ハドロン）の気配を感じたら、そのグループ全体を『泥棒グループ』として排除する」**というルールです。

• 効果： 泥棒の 78% を見逃さずに排除しつつ、純粋な旅客の 81% は無事に通過させられます。
• 結果： 泥棒の混雑度が劇的に減り、**「純粋な旅客の発見率が 4 倍」**に向上しました！これで、以前は見えなかった小さな信号も捉えられるようになります。

作戦 B：シングル・タグ（Single-tag）＝「泥棒のサンプル採取」

目的： 泥棒そのものを研究し、彼らの「顔（性質）」をデータとして集める。
方法： 一方の旅客を「共犯者（ハドロン）」とセットで**「間違いなく泥棒グループ」**と断定して選別し、もう一方の旅客（プローブ）だけを「純粋な泥棒のサンプル」として集めます。

• 工夫： これにより、泥棒の性質（どの粒子がどう崩壊するか）を、理論モデルに頼らず、**「実際のデータから直接」**正確に把握できます。
• 効果： 泥棒の性質を正しく理解できれば、今後の分析で「どれくらい泥棒が混ざっているか」を正確に差し引くことができるようになります。

5. なぜこれが重要なのか？

この新しい探偵テクニック（SemiCharmTag）によって、LHCb 実験は以下のことができるようになります。

1. より低いエネルギー領域での分析が可能に： これまで泥棒が多すぎて見られなかった、低エネルギーの「純粋な旅客」の姿を捉えられるようになりました。
2. 理論への依存を減らす： 泥棒の性質をデータから直接把握することで、シミュレーションの誤差に左右されない、より信頼性の高い結果が得られます。
3. 宇宙の謎に迫る： 素粒子の衝突から生まれる「熱い物質」や「宇宙の初期状態」に関する新しい知見が得られる可能性があります。

まとめ

SemiCharmTag は、**「変装した泥棒（チャーム）を、その『共犯者（ハドロン）』の存在で見破る」**という、非常に賢い探偵テクニックです。

これにより、混雑する素粒子の駅で、本来の目的である「純粋な旅客（Drell-Yan）」の姿を鮮明に捉え、宇宙の奥深い秘密を解き明かすための重要な一歩を踏み出しました。まるで、騒がしい駅で、誰が本当の旅行者で誰が泥棒かを見極めるための、究極の「探偵メガネ」を手にしたようなものです。

技術概要

論文「SemiCharmTag: a tool for Semileptonic Charm tagging」の技術的サマリー

本論文は、CERN の LHCb 実験における、2026 年のデータ取得（$\sqrt{s} = 13.6$ TeV）を想定したシミュレーション研究に基づいています。主に、低質量領域（2.9〜5 GeV/c²）でのディルレプトン（特に双ミュオン）生成、すなわち Drell-Yan 過程の測定において、半レプトニックなチャームハドロン崩壊由来の巨大な背景事象を抑制し、かつ偏りのない背景テンプレートを構築するための新しい手法「SemiCharmTag」を提案・検証しています。

以下に、問題定義、手法、主要な貢献、結果、および意義について詳細をまとめます。

---

1. 問題定義 (Problem)

LHCb 実験において、Drell-Yan 過程や熱的/予平衡状態のディルレプトン生成を低質量領域（2-10 GeV/c²）で測定することは、部分子分布関数（PDFs）の制約や QCD のテスト、およびクォーク・グルーオンプラズマの性質解明のために極めて重要です。しかし、以下の理由から信号対背景比（S/B）が極めて低く、測定が困難です。

• 巨大な背景: 低運動量領域では、チャーム（c）およびビューティー（b）ハドロンの半レプトニック崩壊由来のミュオンが支配的な背景となります。特にチャーム由来の背景は、Drell-Yan 信号よりも 100 倍程度大きい可能性があります。
• 識別の難しさ: 従来の手法では、ミュオンのインパクトパラメータ（IP）や孤立性（Isolation）を用いて、一次頂点（Prompt）由来の信号と、二次頂点（Non-prompt）由来の背景を区別します。しかし、チャームハドロンの寿命はビューティーハドロンに比べて短く（$c\tau \approx 50-500 \mu m$）、IP 分布の重なりが大きく、識別が困難です。
• モデル依存性の課題: チャームハドロン（特に $\Lambda_c^+$ などのバリオン）の生成断面積や分岐比、フラグメンテーション割合に関する知識が不足しており、シミュレーションに依存した背景モデル構築には大きな不確実性が伴います。
• 低 $p_T$ 領域の課題: 低横運動量（$p_T < 10$ GeV/c）領域では、ジェット分離や孤立性条件の適用が困難であり、シミュレーションとデータの不一致（データ駆動型較正の必要性）が顕著になります。

2. 手法 (Methodology)

本研究では、チャームハドロン崩壊頂点から放出されるハドロン・トラック（主にカイオン）の情報を利用し、ミュオンとハドロンをペアとして解析する新しいタグリング手法「SemiCharmTag」を開発しました。

2.1 アルゴリズムの概要

• 入力変数: ミュオンと同一イベント内で再構成されたハドロン・トラックのペアに対して、以下の頂点・運動量変数を入力します。
  • インパクトパラメータ（IP）およびその $\chi^2$
  • 飛行距離（Flight Distance, FD）およびその $\chi^2$
  • 最接近距離（DOCA: Distance of Closest Approach）
  • 飛行方向角（DIRA）
  • 粒子識別情報（PIDK: カイオンである確率）
  • 横運動量（$p_T$）および不変質量（ミュオン＋ハドロン）
• 機械学習モデル: XGBoost を用いたブースト決定木（BDT）を 3 分類器（シグナル、チャーム、ビューティー）として訓練します。
• 戦略:
  1. ダブルタグ（Double-tag）: 双ミュオン事象の両方のミュオンに対してタグを適用し、いずれかのミュオンが背景（チャーム/ビューティー）と判定された場合、事象全体を背景として棄却します。これは S/B 比の改善を目的とします。
  2. シングルタグ（Single-tag）: 一方のミュオンを「タグ（背景であることが高い確率で示唆される）」とし、もう一方のミュオン（プローブ）の分布を抽出します。これにより、偏りのない純粋なチャーム由来のミュオン分布（テンプレート）をデータから構築します。

3. 主要な貢献 (Key Contributions)

1. データ駆動型の背景テンプレート構築手法の確立:
   チャームハドロンの生成割合や崩壊特性に関する知識不足という課題に対し、シミュレーションモデルに依存せず、データから直接チャーム由来のミュオン分布を抽出する「シングルタグ」手法を提案しました。これにより、Drell-Yan 信号抽出時の系統誤差を低減できます。
2. 高効率な背景抑制アルゴリズム:
   二次頂点のハドロン情報を活用した BDT ベースのタグリングにより、従来の IP 単独の選別よりもはるかに高い識別能力を実現しました。
3. シグナル特性へのバイアス評価:
   タグリング選別が Drell-Yan 信号の運動量分布（$p_T$、ラピディティ）に与える影響を定量化し、特定の領域を除きバイアスが 5% 未満であることを示しました。

4. 結果 (Results)

シミュレーションデータ（$\sqrt{s} = 13.6$ TeV、質量 2.9-5 GeV/c²、ミュオン $p_T > 1$ GeV/c）を用いた評価結果は以下の通りです。

4.1 ダブルタグ戦略（背景抑制）

• 性能: シグナル効率 81% を維持しつつ、チャーム背景を 78%、ビューティー背景を 74% 抑制しました。
• S/B 比の改善: これにより、信号対背景比（S/B）がチャームに対して約3.7 倍、ビューティーに対して約 3.2 倍向上しました（論文要旨では「約 4 倍」と記述）。
• バイアス: 選別後の Drell-Yan 双ミュオンの $p_T$ 分布の歪みは 5% 未満であり、ラピディティ分布も同様に良好です（端数領域を除く）。

4.2 シングルタグ戦略（テンプレート構築）

• 性能: プローブミュオンにおいて、チャーム効率 21.4%、Drell-Yan 効率 1.1%、ビューティー効率 2.3% を達成しました。
• 純度: 構築されたチャームテンプレートにおける Drell-Yan 由来の汚染（$C_{pp}$）は 0.01% 未満と極めて低く、ビューティー由来の汚染も制御可能です。
• バイアス: クロージャテスト（Closure test）により、抽出されたテンプレート分布が真のチャーム分布と統計的誤差範囲内で一致すること（IP 分布の比率が 1 に近い）が確認されました。

5. 意義と展望 (Significance)

• 低質量 Drell-Yan 測定の実現可能性: 本手法は、LHCb において低質量領域での Drell-Yan 測定を、巨大なチャーム背景が存在する状況下でも実現可能にするための重要な要素技術です。
• 系統誤差の低減: 従来のシミュレーションモデルに依存した背景形状の仮定を排除し、データ駆動型で背景テンプレートを構築できるため、断面積測定における系統誤差を大幅に削減できます。
• 汎用性: 本手法は LHCb の検出器性能に特化していますが、十分な頂点分解能と粒子識別能力を持つ他の実験（ATLAS, CMS など）にも応用可能です。
• 将来の物理への貢献: 低質量領域での精密測定は、グルーオン飽和の探索や、重イオン衝突における熱的ディルレプトンの研究において不可欠であり、本技術はその基盤を強化します。

結論として、SemiCharmTag は、半レプトニックチャーム崩壊の特性を巧みに利用することで、高効率な背景抑制と偏りのない背景モデル構築を両立させた画期的なツールであり、LHCb 実験の将来の物理成果に不可欠なものです。