Search for resonant production of lepton-enriched semivisible jets in proton-proton collisions at $\sqrt{s}$ = 13 TeV

技術要約：レプトンが豊富な半可視ジェットの共鳴生成に関する探索

問題と動機
ダークマター（DM）のコライダー探索は、主に「モノX」シグネチャ（大きな欠損横運動量 $p^{\text{miss}}_T$ と、それに対抗する可視標準模型粒子）をもたらす弱相互作用重い粒子（WIMP）に焦点を当ててきたが、これらの手法はヒドゥン・バレー（Hidden Valley; HV）シナリオに対する感度が不足していることが多い。HVモデルでは、QCD的な動力学を持つダークセクター（DS）がダークハドロンを生成する。これらのハドロンの一部が安定であれば、それらは検出を逃れて検出されない一方で、不安定なものは標準模型（SM）粒子へと崩壊する。これは、「半可視ジェット（SVJ）」、すなわち $p^{\text{miss}}_T$ がジェットと整列した状態をもたらす。

ATLASおよびCMSによる先行研究は、完全にハドロン的なSVJシグネチャを対象としてきた。しかし、近年の理論的研究は、既存の探索手法がレプトンが豊富なSVJを含むシナリオに対して感度が低いことを示唆している。本論文は、このギャップに対処するため、レプトン含有量が多いSVJの共鳴生成、具体的には、すべてのレプトン種が豊富なジェット（$\text{SVJ}_\ell$）と、タウレプトンが優先的に豊富なジェット（$\text{SVJ}_\tau$）という2つの異なるシナリオを標的とした初の探索を提示する。

手法
本解析では、CMS検出器によって2016年から2018年にかけて収集された、$\sqrt{s} = 13$ TeVでの138 fb$^{-1}$の陽子・陽子衝突データを使用する。信号モデルは、ダーククォーク（$\chi$）へと崩壊する重い$Z'$メディエーターを仮定しており、これらはダークQCD力によってハドロン化する。不安定なハドロンは、SMのクォークおよびレプトンへと即座に崩壊する。

• 信号シナリオ:

  • $\text{SVJ}_\ell$: $Z'$とダークフォトン $A'$ によって媒介される。ダークベクトル中間子（$\rho_{\text{dark}}$）は、すべてのSMレプトン種およびクォークに対して民主的に崩壊する。
  • $\text{SVJ}_\tau$: タウレプトンに結合する$Z'$ によって媒介される。ダークパイオン（$\pi_{\text{dark}}$）は、運動学的に到達可能な最も重いアップ型クォークとタウレプトンへと崩壊する。結果として生じる電子およびミューオンは、$\text{SVJ}_\ell$ の場合と比較してソフトであり、ニュートリノを伴う。

• イベント選択と分類:
  イベントは、ダイジェット系の高い横質量（$m_T$）および、リーディングジェットと $p^{\text{miss}}_T$ の整列度に基づいて選択される。重要な革新は、「ミニアイソレーション（mini-isolation）」変数（$I_{\text{mini}}$）を用いたジェット内のレプトンアイソレーションに基づく分類である。

  • $\text{SVJ}_\ell$: レプトンがアイソレーション条件を満たす「マルチレプトン」カテゴリを中心に解析される。
  • $\text{SVJ}_\tau$: 「0レプトン」（孤立したレプトンが存在しない）カテゴリと「マルチレプトン」カテゴリの両方で解析される。ソフトなレプトンスペクトルと高いニュートリノ含有量により、アイソレーション効率が異なるためである。

• 機械学習戦略:
  信号の感度向上と背景事象（バックグラウンド）の推定のために、二重の機械学習アプローチが採用されている。

  1. ジェットタギング (LUNDNET): ジェット構成要素の「Lund tree」表現上で動作するグラフニューラルネットワーク（GNN）を利用した、LUNDNETアルゴリズムの拡張である。このアーキテクチャは、ダークセクターとSMセクターの両方における二重のパートンシャワーに由来する、SVJ特有の放射パターンを捉える。ネットワークは、それぞれのレプトンカテゴリにおける $\text{SVJ}_\ell$ および $\text{SVJ}_\tau$ 信号に対して個別に訓練される。
  2. 背景事象推定 (MD-ABCDISCOTEC): ABCD法を用いて信号領域（SR）における背景事象を推定するために、全結合型ディープニューラルネットワーク（DNN）が使用される。ABCD法の妥当性を確保するため、2つの識別変数（$D_1, D_2$）が、互いに、および探索変数（$m_T$）に対して統計的に独立するように訓練される。これは、「質量デコレーションされた ABCDISCOTEC（MD-ABCDISCOTEC）」技術を用いて達成され、距離相関損失（DisCo）を最小化し、閉包関係を強制する。

主な貢献

• 初の実験的制約: 本研究は、これまで実験物理学において未探索であった、レプトンが豊富な半可視ジェットに対する初の実験的限界を提供する。
• 新規MLの統合: レプトン豊富なSVJをSM背景事象から区別するための、拡張LUNDNET GNNの初の実装を紹介する。
• 高度な背景事象推定: 探索質量変数（$m_T$）から識別変数をデコレーションすることで、$m_T$ のビンにおける頑健な背景事象推定を可能にする、MD-ABCDISCOTEC手法を用いた共鳴探索を実証する。
• 二重シナリオ解析: 特化した選択戦略（レプトンアイソレーション vs 0-レプトン）と特定のML訓練構成を用いて、2つの異なる信号トポロジー（$\text{SVJ}_\ell$ および $\text{SVJ}_\tau$）を独自に扱う。

結果
観測されたデータにおいて、標準模型の予測を超える有意な過剰は観察されなかった。結果は、生成断面積に分岐比を乗じたもの（$\sigma_{Z'} \mathcal{B}_{\text{dark}}$）に対する95%信頼区間（CL）の上限として解釈される。

• $\text{SVJ}_\ell$ シナリオ: ベンチマークとなる不可視分率（$r_{\text{inv}}$）が0.3、ダークハドロン質量（$m_{\text{dark}}$）が16 GeVの場合、メディエーター質量（$m_{Z'}$）は 1.5 から 4.7 TeV の範囲で除外される。選択効率と背景除去が最適となる中程度の $r_{\text{inv}}$ 値において、除外範囲は最も高い感度を示す。
• $\text{SVJ}_\tau$ シナリオ: $r_{\text{inv}} = 0.3, B_\tau = 0.3, m_{\text{dark}} = 8$ GeV の場合、メディエーター質量は 1.8 から 3.5 TeV の範囲で除外される。0-レプトンカテゴリは高質量信号（$>3$ TeV）の除外に大きく貢献し、マルチレプトンカテゴリはQCD背景事象を抑制することで低質量域での感度を高める。
• 局所的なゆらぎ: $\text{SVJ}_\tau$ 探索において、$m_{Z'} = 3$ TeV かつ $r_{\text{inv}} = 0.7$ で、観測限界と期待限界の間に小さな不一致（局所有意性 2.4$\sigma$）が認められた。しかし、ルック・エルスウェア効果を考慮すると、大域的な有意性は 1.6$\sigma$ に減少し、統計的なゆらぎと矛盾しない。

意義
本論文は、レプトンが豊富な特徴を持つ新しいパラメータ空間を探索することにより、ダイジェット共鳴、初期状態放射を伴うダークマター、および完全にハドロン的な半可視ジェットの既存の探索を補完することを主張している。これらの特定のHVシナリオに対する初の制約を確立することで、本解析は、標準的なトリガーおよび選択戦略では到達できなかった複雑なダークセクターのシグネチャを、現代的な機械学習技術（ジェット部分構造のためのGNNおよびデコレーションされたDNNによる背景事象推定）を用いて探索できることを実証している。得られた結果は、レプトンを優先的に生成するポータルを介して標準模型と通信するモデルを制約し、強く結合したダークマターモデルの生存可能なパラメータ空間を狭めている。