⚛️ 高エネルギー実験

Search for Higgs boson production in association with another Higgs or an exotic scalar boson in the $b\bar{b}W^{+}W^{-}$ single lepton final state at $\sqrt{s}=13$ TeV with the ATLAS experiment

$\sqrt{s}=13$ TeVにおけるATLAS Run 2の全データセット140 fb $^{-1}$ を用いて、本論文では、 $b\bar{b}W^{+}W^{-}$ 最終状態へと崩壊する非共鳴ヒッグス粒子対生成および重いスカラー粒子の共鳴生成の両方の探索を提示し、前者に対しては標準模型の予測の35倍という95%信頼区間の上限値を設定し、後者に対しては質量依存の制約を確立している。

原著者： ATLAS Collaboration

公開日 2026-11-06

📖 1 分で読めます🧠 じっくり読む

CC BY 4.0

原著者： ATLAS Collaboration

原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 ✨ これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。免責事項の全文を読む

宇宙は、粒子がどのように相互作用し、物質がいかにして重さを持つかを規定する、一連の見えない規則によって保持されています。このシステムの中心に位置するのは、ヒッグス粒子として知られる粒子であり、これは宇宙の構成要素がなぜ質量を持つのかという数十年前の理論を裏付ける発見でした。科学者たちは長年、この粒子を単独で研究してきましたが、より深い謎が依然として残っています。それは、ヒッグス粒子がどのように自己相互作用するかという点です。亜原子の世界を理解するための受け入れられた枠組みである素粒子物理学の標準模型において、ヒッグス粒子は、高エネルギーの陽子が激突した際に、自分と同じ種類の粒子をペアで生成できるはずだとされています。この自己相互作用は、宇宙に浸透しているエネルギー場の形状を明らかにする、パズルの極めて重要なピースです。しかし、このプロセスは非常に稀で、より一般的な粒子の衝突という山の底に埋もれており、特定するのが困難です。

スイスの大型ハドロン衝突型加速器にあるATLAS検出器を使用している研究者が、この捉えどころのない現象に対して新たな視点を提示しました。彼らは、13兆電子ボルトのエネルギーレベルにおける、数兆回の陽子衝突の余波を捉えた2015年から2018年の間に記録された膨大なデータ群を分析しました。科学者は、非常に特定のシグネチャー、すなわち、一つのイベントの中でヒッグス粒子のペアが現れ、一方が一対のボトムクォークへと崩壊し、もう一方が一対のWボソンへと変化し、その後さらに一つの荷電粒子とその他の破片へと崩壊するという現象を追い求めていました。この特定の崩壊生成物の組み合わせを特定するのは、より一般的な現象であるトップクォークの崩壊によって生じる背景ノイズと酷似しているため、困難を極めます。信号をノイズから分離するために、彼らは衝突から飛び出す粒子の角度やエネルギーにおける微妙なパターンを認識するように訓練された、高度なコンピュータアルゴリズムを採用しました。

探索の結果、標準模型が予測するよりも頻繁にヒッグス粒子のペアが出現するという証拠は見つかりませんでした。研究者は、検索基準に一致するイベントの数は、既知の背景プロセスのみから予想される数値と一致していることを見出しました。その結果、このペア生成が起こり得る頻度に対して、新たな上限値を設定しました。彼らの分析によれば、もしこれらのペアが生成されているとしても、その発生率は標準模型が予測する率の35倍を超えないということです。この結果は、予測率の300倍という制限を設定していたこれまでの試みと比較して、大きな進歩となります。これは、より大規模なデータセットと洗練された分析手法のおかげです。これは新しい物理学の存在を裏付けるものではありませんが、ヒッグス粒子が予想とは異なる挙動を示すとする理論に対する制約を強めるものです。

標準的なヒッグス粒子のペアを探すことに加えて、研究者は別の種類のエキゾチックなシナリオについても調査を行いました。彼らは、未知の重い粒子が、より軽い重い粒子と標準的なヒッグス粒子へと崩壊する可能性を調査しました。この仮説上の連鎖的な出来事は、やはりボトムクォークとWボソンという、同じ特徴的なシグネチャーを残すことになります。研究者は、これらの仮説上の粒子の存在を示す予期せぬデータのスパイク（急増）を探して、幅広い可能な質量範囲をスキャンしました。標準的なヒッグス粒子のペアの探索と同様に、そのような信号は見つかりませんでした。データは滑らかで背景と一致しており、それによって彼らは、テストした特定の質量範囲内におけるこれらの重い粒子の存在を排除することができました。

これらの発見が得られなかったことは、それ自体が科学的進歩における重要な一端を担っています。ヒッグス粒子が、これら稀で複雑な相互作用においても、標準模型が予測する通りにほぼ振る舞うことを確認したことで、研究者は将来の理論への道を狭めました。この研究は、宇宙の基本的な力が、現在理解されている通りに強固であることを示す一方で、より感度の高い探索への扉を開いたままにしています。特に、似たような見た目の粒子シャワーを区別するための機械学習の使用といった、開発された技術は、現実の最も深い層を調査する能力における大きな前進を意味します。大型ハドロン衝突型加速器が稼働を続け、より多くのデータを収集するにつれて、これらの洗練された手法は、亜原子の世界に隠された次の層の秘密を解き明かすために不可欠なものとなるでしょう。

技術要約：ATLAS実験における $\sqrt{s}=13$ TeVでの $b\bar{b}W^+W^-$ 単一レプトン終状態における、別のヒッグス粒子またはエキゾチック・スカラー粒子の随伴によるヒッグス粒子生成の探索

問題と動機
ヒッグス粒子（ $H$ ）は、標準模型（SM）の電弱対称性の破れのメカニズムにおいて中心的な役割を担っている。しかし、ヒッグス・ポテンシャルの形状（ヒッグス自己結合を決定するもの）は、実験的にはまだ高精度に調べられていない。ヒッグス粒子対（ $HH$ ）生成の測定は、この自己結合にアクセスするための主要な手法である。標準模型は、グルーオン・グルーオン融合による非共鳴的な $HH$ 生成の断面積が極めて小さいこと（13 TeVで $\sigma \approx 31.1$ fb）を予測しており、これは主にトップクォークのループ寄与とヒッグス自己相互作用頂点によって支配されている。

さらに、シングレットによって拡張された二重ヒップ・モデル（2HDM）のような標準模型を超える（BSM）理論は、一対のスカラー粒子（ $X \to SH$ 、ここで $S$ は重いスカラー、 $H$ はSM-likeヒッグス）へと崩壊する重いスカラー共鳴（ $X$ ）の共鳴的生成を予測している。 $b\bar{b}W^+W^-$ 終状態は、これらの探索における重要なチャネルである。このチャネルは、 $4b$ 終状態に次いで2番目に高い分岐比を持つが、同じ終状態トポロジー（ $b\bar{b}\ell\nu q\bar{q}'$ ）を共有するトップクォーク対（ $t\bar{t}$ ）生成による圧倒的な背景事象（バックグラウンド）が存在するため、実験的に困難である。本解析は、ATLASのRun 2の全データセットを用いて、単一レプトン（ $e$ または $\mu$ ）チャネルにおける非共鳴的な $HH$ 生成および共鳴的な $X \to SH$ 生成の両方を探索することを目的としている。

手法
本解析は、2015年から2018年までにATLAS検出器によって記録された、積分ルミノシティ140 fb $^{-1}$ に相当する $\sqrt{s}=13$ TeVの陽子・陽子衝突データを利用している。探索対象となるイベントは、正確に1つの荷電レプトン（ $e$ または $\mu$ ）、大きな欠損横運動量（ $E_T^{\text{miss}}$ ）、および少なくとも4つのジェット（正確に2つの $b$ タグ付きジェットを含む）を持つものとする。

イベント選択と運動学的変数:
信号事象を支配的な $t\bar{t}$ 背景事象から識別するために、本解析では、イベントが $HH$ または $t\bar{t}$ のいずれの仮説と適合するかをテストするために設計された運動学的変数を用いる。
- Higgsness ( $H$ ) および Topness ( $T$ ): これらの変数は、再構成されたジェットの組み合わせの不変質量を、既知の $W$ ボソン、 $t$ クォーク、およびヒッグス粒子の質量と比較して最小化することにより構築される。 $T$ は $t\bar{t}$ 仮説をテストし、 $H$ は $HH$ 仮説をテストする。
- 運動学的フィット: イベントの運動学を両方の仮説の下でさらに制約するために、尤度ベースの運動学的フィット（ $\Lambda_{HH}$ および $\Lambda_{t\bar{t}}$ ）が行われる。
- 追加変数: ジェットの多重度、横運動量、角度距離（ $\Delta R, \Delta \phi$ ）、および横質量（ $m_T$ ）を含む40個の入力変数のセットを利用する。
機械学習による識別:
深層ニューラルネットワーク（DNN）を用いて、信号（ $HH$ または $SH$ ）と3つの主要な背景プロセス（ $t\bar{t}$ 、 $W$ +jets、およびシングルトップ）の間の分離を最大化するように訓練を行う。DNNのアーキテクチャは、5つの高密度層（最後の隠れ層は256ノード、それ以外は512ノード）で構成され、ReLU活性化関数と過学習を防ぐためのドロップアウト層を利用している。出力は、信号確率と背景確率の総和の対数として定義される、判別変数 $d_{HH}$ （または共鳴探索のための $d_{SH}$ ）である。
背景事象の推定:
- プロンプト・レプトン: $t\bar{t}$ 、 $W$ +jets、およびシングルトップからの背景事象は、モンテカルロ（MC）シミュレーション（Powheg-Box, MadGraph5_aMC@NLO, Sherpa）を用いてモデル化され、データ駆動型の制御領域（CR）を用いて正規化される。
- フェイク／非プロンプト・レプトン: これらは「フェイクファクター」法を用いて推定される。フェイクファクターは、データが豊富な制御領域から導出され、ルースなレプトンを含む信号領域（SR）のイベントに適用される。
- 検証: 信号領域を見る前に、MCによる運動学的分布のモデリングおよび背景事象の正規化がデータと一致することを確認するために、検証領域（VR）が定義される。
信号領域と分類:
解析は、非共鳴的（ $HH$ ）および共鳴的（ $X \to SH$ ）探索に分けられる。
- 非共鳴的: トリガーのタイプ（単一レプトンまたはMET）およびレプトンのフレーバーに基づいてイベントを分類する。SRは、DNN判別子 $d_{HH}$ および $\log(T)$ によるカットによって定義される。
- 共鳴的: スカラー質量のグリッド（ $m_X \in [350, 3000]$ GeV, $m_S \in [170, 2500]$ GeV）をカバーする。広範な運動学的特性を扱うため、崩壊生成物のブーストに基づき、信号サンプルは6つのカテゴリ（SH0–SH5）にグループ化される。各グループには専用のDNN判別子（ $d_{SHi}$ ）が訓練される。

主な貢献

単一レプトン $b\bar{b}W^+W^-$ チャネルにおける更新されたATLASの結果: 本論文は、フルRun 2データセット（140 fb $^{-1}$ ）を用いた、単一レプトンチャネルにおける $HH \to b\bar{b}W^+W^-$ の更新されたATLAS探索を提示しており、従来の36 fb $^{-1}$ に基づく解析を大幅に改善している。
$b\bar{b}W^+W^-$ における共鳴探索: ATLASによる、単一レプトン崩壊チャネルにおける共鳴的 $X \to SH \to b\bar{b}W^+W^-$ プロセスの最初の調査を提供し、幅広いスカラー質量に対する制限を設定している。
高度な背景除去: 40個の運動学的変数を利用したマルチ出力DNNの実装により、単純な運動学的カットに依存していた従来の解析と比較して、信号と不可避な $t\bar{t}$ 背景事象との分離が大幅に向上した。
Resolved トポロジーへの焦点: 本解析は、ヒッグス崩壊からの $b$ クォークが2つの独立したジェットとして再構成される「resolved」トポロジーに明示的に焦点を当てており、それらが1つの大きな半径を持つジェットに合体する「boosted」トポロジーは除外している。

結果

非共鳴的 $HH$ 探索:
SMの背景事象期待値に対して有意な超過は観察されなかった。非共鳴的 $HH$ 生成断面積に対する観測（期待）95%信頼区間（CL）の上限は以下の通りである：
$\sigma(pp \to HH) < 1.08 \text{ (0.72}^{+0.31}_{-0.22}\text{) pb}$
これは、SM予測断面積の35 (23 $^{+10}_{-7}$ ) 倍に相当する。観測された制限は、期待される制限の+1.1 $\sigma$ 内にある。
共鳴的 $X \to SH$ 探索:
どの共鳴的信号領域においても、SM予測からの統計的に有意な不一致は見られなかった。様々な $m_X$ および $m_S$ の組み合わせについて、 $\sigma(pp \to X \to SH) \times \mathcal{B}(SH \to b\bar{b}W^+W^-)$ に対する95% CLでの排除限界が設定された。

有意性と主張
本論文は、同一チャネルにおける従来のATLASの結果と比較して、大幅な感度の向上を主張している。非共鳴的 $HH$ 生成の制限は、36 fb $^{-1}$ の解析と比較して13倍強くなっている。著者は、この改善を主に2つの要因によるものとしている：

データ量: データセットの増大（140 fb $^{-1}$ vs 36 fb $^{-1}$ ）による約2倍の改善。
解析の最適化: ニューラルネットワーク判別子の使用、改善された多重ジェット背景除去および推定、および洗練された背景事象制御領域の設計による約6.6倍の改善。

著者は、本解析が（主に大きな $t\bar{t}$ 背景事象のため）他の $HH$ 崩壊チャネルと比較してまだ競争力があるわけではないものの、機械学習技術の使用が探索能力を大幅に高めたと述べている。結果はSMと一致しており、非共鳴的 $HH$ または共鳴的 $X \to SH$ 生成という形での新物理の証拠は見つからなかった。

関連論文