Search for pair-produced vector-like $T$-quarks decaying into $Ht$ final states in the lepton-plus-jets channel in $pp$ collisions at $\sqrt{s}$=13 TeV with the ATLAS detector

ATLAS 検出器による 13 TeV の陽子 - 陽子衝突データ 139 fb$^{-1}$を用いて、本研究はレプトン＋ジェットチャネルにおいてヒッグス粒子とトップクォークの最終状態へ崩壊する対生成ベクトル類似$T$クォークの探索を行い、標準模型の予測に対して有意な過剰は見られず、$T$クォークの表現と分岐比に応じて 95% 信頼水準で 1.40 TeV から 1.66 TeV の質量下限を設定した。

要約

以下は、この論文を日常言語で、いくつかの創造的な比喩を用いて翻訳した解説です。

全体像：「重たい双子」を探して

宇宙を巨大で超高速のレーストラック（大型ハドロン衝突型加速器、通称 LHC）だと想像してください。CERN の物理学者たちはレースの審判員のようなもので、陽子を光速に近い速度で衝突させ、何が起こるかを観察しています。通常、これらの衝突は標準的な車やバイクのような、予測可能な粒子のセットを生み出します。

しかし、標準模型（現在の物理学のルールブック）にはいくつかの隙間があります。大きな疑問の一つは、「なぜヒッグス粒子（他の粒子に質量を与える粒子）はそれほど軽いのか？」ということです。この「微調整」の問題を解決するため、いくつかの理論は、トップクォーク（既知で最も重い粒子）の「重たい双子」が存在することを示唆しています。これらはベクトル型 T クォークと呼ばれます。

この論文は、ATLAS 実験チームからの報告で、次のように述べています。「私たちはこれらの重たい双子を必死に探しましたが、発見できませんでした。しかし、もし彼らが存在するならば、以前考えられていたよりもはるかに重い質量でなければならないと、高い確信を持って言えるようになりました。」

戦略：「ヘビー級ボクシングマッチ」

これらの T クォークは非常に重いため、生成するのは困難です。そして、生成されたとしても、すぐに崩壊して他の粒子に変わってしまいます。

チームは、特定のシナリオを探すことにしました。

1. ペアリング: 2 つの T クォークが同時に生成されることを探しています（リングに入るヘビー級ボクサーのペアのように）。
2. 崩壊: 少なくとも一方がヒッグス粒子とトップクォークに崩壊します。
3. 痕跡: ヒッグス粒子はさらに 2 つの「ボトム」クォークに分裂し、トップクォークは軽い粒子（電子またはミューオン）、幽霊のようなニュートリノ、そしてもう一つのボトムクォークに分裂します。

比喩: あなたが巨大な果樹園で、ある特定の種類の希少で重い果物（T クォーク）を探そうとしていると想像してください。その果物が落ちると、特定の組み合わせの種と果汁に分裂することがわかっています。果物自体を探すのではなく、それが残す独特の「種と果汁の山」を探すのです。

探偵仕事：ノイズの整理

問題は、その果樹園には常に普通の果物が落ちている（標準模型の背景事象）ということです。チームは、稀な信号を見つけるためにノイズをフィルタリングする必要がありました。

• 「再クラスター化」のトリック: 重い粒子が崩壊すると、非常に速く移動するため、その破片（粒子のジェット）が押しつぶされてしまいます。チームは「可変半径ジェット」と呼ばれる特殊な技術を使用しました。これは、物体の移動速度に応じて自動的にズームインまたはズームアウトするスマートカメラレンズのようなものです。これにより、破片の山が信じられないほど速く移動していても、それを正確に捉えることができます。
• ニューラルネットワーク（AI 探偵）: 彼らはコンピュータの脳（ニューラルネットワーク）を訓練し、これらの破片の山の形状、速度、配置を観察させました。これは、犬に特定の匂いを嗅ぎ分けるように教えるようなものです。AI は、通常の衝突による無秩序でランダムな破片と、重い T クォークの崩壊による整然とした破片を見分けることを学びました。

結果：「発見されなかったが、彼らがいない場所はわかった」

139 インバース・フェムトバーン（これは膨大な量の衝突データに相当し、加速器を数年間運転した量に匹敵します）のデータを分析した後、チームはこれらの重たい T クォークの証拠は見つかりませんでした。データは通常の物理学の予測と完全に一致しました。

彼らが見つからなかったため、T クォークが「あり得る」場所の周りに「柵」を設けました。彼らは今や、特定の質量より軽い T クォークを排除できます。

• T クォークが「シングレット」（特定の種類の粒子）の場合、質量は1.40 TeVより重くなければなりません。
• 「ダブルット」の場合、質量は1.56 TeVより重くなければなりません。
• ヒッグス粒子とトップクォークにのみ崩壊する場合（100% の確率で）、質量は1.66 TeVより重くなければなりません。

比喩: 畑に隠された宝箱を探していると想像してください。畑全体を掘り返しましたが、何も見つかりませんでした。宝箱が存在しないとは言えませんが、「もし宝箱があるなら、10 フィート（約 3 メートル）より深く埋まっているに違いない」と言えます。なぜなら、それより上はすべて掘り起こしたからです。この論文は、これまで誰も掘らなかったほど深く掘り下げ、その「埋没深度」の限界をさらに押し下げています。

なぜこれが重要なのか

これは、これまでにない最も感度の高い探索です。より多くのデータ（以前の 36 fb⁻¹ に対して 139 fb⁻¹）と優れた AI ツールを使用することで、ATLAS チームは私たちの知識の境界を押し広げました。彼らは「重たい双子」を見つけませんでしたが、軽い質量範囲に隠れていないことを証明することで、物理学者たちに理論の見直しを迫るか、将来さらに高いエネルギーでこれらの粒子を探すよう促しています。

要約すると: 重たい T クォークの探索は続きますが、探索範囲は大幅に絞り込まれました。もし彼らがそこにいるなら、私たちが望んでいたよりもはるかに重く、見つけるのが難しい存在です。

技術概要

技術的サマリー：ヒッグスボソンとトップクォークへの崩壊する対生成ベクトルライクTクォークの探索

問題と動機
素粒子物理学の標準模型（SM）は、電弱質量スケールとプランクスケールとの間の大きな格差に関する階層性問題に直面している。提案されている解決策の一つは、ヒッグスボソン質量への二次発散的な放射補正を相殺し得るベクトルライククォーク（VLQs）を SM に追加拡張することである。本論文は、第三世代 SM クォークと優先的に結合すると予想される対生成アップ型ベクトルライク T クォークの探索を提示する。解析は、少なくとも一方の T クォークがヒッグスボソンとトップクォークへ崩壊する（$T \to Ht$）崩壊チャネル、すなわちその後の崩壊 $H \to b\bar{b}$ および $t \to \ell \nu_\ell b$（ここで $\ell = e, \mu$）を標的としている。この探索は、$\sqrt{s} = 13$ TeV の重心エネルギーにおける陽子 - 陽子衝突データを用いた、レプトン＋ジェット最終状態で行われる。

手法
本解析は、大型ハドロン衝突型加速器（LHC）の ATLAS 検出器によって収集されたフル Run 2 データセットを利用しており、積分光度 139 fb$^{-1}$ に相当する。

• 事象再構成と選択: シグナルトポロジーは、孤立した電子またはミューオンがちょうど 1 つ存在し、有意な欠落横運動量（$E_T^{\text{miss}}$）および複数のジェット（$b$ タグ付きジェットを含む）によって特徴づけられる。重共鳴のブーストされた性質に対処するため、本解析は小-$R$ ジェットの再クラスタリングによって再構成された可変半径（$R_{\text{eff}}$）ジェットを採用する。これらは、ハドロン的に崩壊する $W$、$H$、およびトップクォークの候補を同定するために質量タグ付けされる。レプトン的トップクォーク候補は、レプトン的 $W$ ボソン候補と $b$ タグ付きジェットを組み合わせることで再構成される。
• 背景モデル化と再重み付け: 支配的な背景は、トップクォーク対生成（$t\bar{t}$）、シングルトップ、および $V$+ジェット過程である。シミュレーションとデータ間の不一致、特に高ジェット多重度および高横運動量における $t\bar{t}$ および $V$+ジェット断面積のモデル化における不一致に対処するため、反復的なデータ駆動型再重み付け手法が適用される。これにより、$Z$+ジェットおよび $t\bar{t}$ 事象に富む制御領域に基づいて、背景分布の正規化と形状が補正される。
• 多変量解析: シグナルと背景を識別するために、順伝播型ニューラルネットワーク（NN）が採用される。分類器には、運動学的性質（例：有効質量 $m_{\text{eff}}$、可変-$R$ ジェットの横運動量）およびトポロジカルな特徴（例：角度分離、構成要素の多重度）を含む 30 の入力変数が用いられる。NN は、シミュレートされたシグナルおよび背景サンプルを用いて訓練される。
• 事象分類: 事象は、NN 出力スコア（$h_{\text{NN}}$）、$b$ タグ付きジェットの数（2、3、または $\ge 4$）、および $H$ タグ付きジェットの存在に基づいて、シグナル領域（SRs）と制御領域（CRs）に分類される。3 つの SR カテゴリは、NN スコアの閾値によって定義される：高 NN（HNN）、中 NN（MNN）、および低 NN（LNN）。シグナル純度は低いが背景統計量が高い LNN 領域は、統計的フィットにおける背景正規化の制約に用いられる。
• 統計解析: すべての解析領域にわたる有効質量（$m_{\text{eff}}$）分布に対して、ビン化プロファイル尤度フィットが実行される。このフィットには、系統的不確かさ（実験的および理論的）のための妨害パラメータと、特定の背景成分（$t\bar{t}+c$ および $t\bar{t}+b$）のための自由な正規化因子が含まれる。

主要な貢献

• 改善された背景モデル化: データ駆動型再重み付け手法の実装は、特に重共鳴探索に関連する運動学的領域において、$t\bar{t}$ および $V$+ジェット背景に対するデータと SM 予測との一致を著しく改善する。
• 強化されたシグナル識別: レプトン的トップクォーク候補の明示的な再構成と、対生成重粒子のバック・トゥ・バックトポロジーの活用を組み合わせたニューラルネットワーク分類器の使用は、このチャネルにおける以前の ATLAS 探索と比較して、優れた分離能力を提供する。
• 包括的なシナリオ検証: 本探索は、3 つの異なるベンチマークシナリオ、すなわち SU(2) シングレット、SU(2) ダブレット、および分岐比 $B(T \to Ht)$ を 100% に設定したシナリオの下で結果を解釈する。

結果
どの解析領域においても、標準模型の予測を超える有意な事象の過剰は観測されなかった。したがって、ベクトルライク T クォークの対生成断面積に対する上限が 95% 信頼水準（CL）で設定された。

観測された T クォークの下限質量は以下の通りである：

• 1.40 TeV：SU(2) シングレット表現の場合。
• 1.56 TeV：SU(2) ダブレット表現の場合。
• 1.66 TeV：$B(T \to Ht) = 100\%$ のシナリオの場合。

これらの限界は、SU(2) ダブレットおよび $B(T \to Ht) = 100\%$ のシナリオに対して現在最も厳しい制限を表しており、それぞれ以前の除外限界を 0.07 TeV および 0.16 TeV 拡張している。SU(2) シングレットシナリオについては、この結果は以前の ATLAS 限界を 0.04 TeV 改善するものである。本解析は主に統計的不確かさによって制限されていることが指摘されている。

意義
本論文は、これらの結果が指定された崩壊チャネルおよびゲージ表現におけるベクトルライク T クォークに対して現在利用可能な最も厳しい除外限界を提供すると主張している。フル Run 2 データセットおよび高度な解析手法（再重み付けおよび機械学習）を活用することで、この探索は以前の ATLAS 解析よりも高い質量範囲を効果的に探査する。著者らは、現在の探索は統計的に制限されているが、Run 3 および高光度 LHC から期待されるデータ量の増加が、さらに高い質量への感度拡張に大きな可能性をもたらすと指摘している。結果は、事象数、系統的不確かさ、および統計的ワークスペースを含め、HEPData を通じて再解釈のために利用可能となっている。