Quirk SUEP

기술 요약: 쿼크(Quirks)로부터 발생하는 연성-비클러스터링 에너지 패턴(Soft-unclustered-energy patterns)

문제 및 동기
LHC에서의 표준 모형(SM) 너머의 물리학을 찾는 과정은 종종 낮은 횡운동량($p_T \lesssim \text{GeV}$) 입자들로 구성된 연성-비클러스터링 에너지 패턴(SUEPs)을 포함하는 신호를 간과하곤 한다. 이러한 신호는 거대한 비섭동적 배경에 의해 가려지고 온라인 트리거를 걸기가 어렵기 때문에 탐지하기 까착하다. 저자들은 TeV 스케일 공명 현상에 수반되는 저-$p_T$ 트랙들을 활용하여 이러한 현상을 탐색하는 전략을 제안한다. 이 접근법은 고-$p_T$ 트리거 요구 사항을 충족하기 위해 공명 현상을 활용하는 동시에, 시뮬레이션에만 의존하지 않고 공명 사이드밴드(sidebands)를 사용하여 배경을 추정한다. 구체적인 동기는 "히든 밸리(Hidden Valley)" 모델 중 하나인 "다크 QCD(dark QCD)"를 특징으로 하는 모델이다. 이 모델에서는 무거운 다크 쿼크(quirks)가 생성된 후, 수많은 연성(soft) SM 입자들을 방출하며 탈에너지(de-excite) 과정을 거친 뒤 소멸한다.

신호 모델: 미시적 쿼크(Microscopic Quirks)
본 논문은 다크 컨파인먼트 스케일($\Lambda'$)보다 질량($m_{q'}$)이 훨씬 큰 다크 쿼크(quirks)를 기반으로 한 벤치마크 모델을 개발한다. 이 시나리오에서, 쌍생성된 쿼크-반쿼크 쌍은 가벼운 다크 쿼크의 부재로 인해 끊어질 수 없는 컬러 스트링(color string)에 의해 연결된다. 대신, 쌍은 에너지를 방출하며 진동하다가 기저 상태에 도달하여 소멸한다.

• 탈에너지(De-excitation): 모델은 쿼크가 SM QCD 전하를 운반한다고 가정한다. 탈에너지 과정 동안, 이들은 정지 좌표계에서 등방적으로 SM 파이온을 방출한다. 이 방출은 하게도른 온도($T_H \approx 150$ MeV)를 가진 열적 과정으로 모델링되며, 이벤트당 $\mathcal{O}(10^3)$개의 연성 파이온을 생성한다.
• 소멸(Annihilation): 탈에너지가 완료되면, 쿼크오니움(quirkonium)은 한 쌍의 고-$p_T$ SM 제트(dijets)로 소멸한다.
• 매개변수: 모델은 쿼크 질량($m_{q'}$), 다크 컨파인먼트 스케일($\Lambda'$), 그리고 내부 에너지 중 파이온으로 전환되는 비율을 나타내는 매개변수 $E_{\text{frac}}$ (0.2에서 1.0 사이)로 정의된다. 본 연구는 스트링 길이가 SM 컨파인먼트 스케일의 역수보다 작은 "미시적(microscopic)" 영역에 초점을 맞추며, 이는 즉각적인 탈에너지와 소멸을 보장한다.

방법론 및 시뮬레이션
저자들은 $140 \text{ fb}^{-1}$의 통합 휘도를 갖는 13 TeV 양성자-양성자 충돌에 대한 신호 및 배경 이벤트를 시뮬레이션한다.

• 시뮬레이션 도구: 신호 생성에는 쿼크 생성에 관한 MG5_aMCNLO와 해드로니제이션(hadronization)에 관한 Pythia 8을 결합한 준해석적 하이브리드 접근법을 사용한다. 파이온 방출은 등방적 열 복사로 취급된다. 배경 디제트(dijet) 이벤트는 로드 오더(leading order)에서 생성된다.
• 검출기 시뮬레이션: 이벤트는 단순화된 Delphes 3.5 시뮬레이션을 통해 처리된다. 선택 기준은 ATLAS 디제트 탐색을 모사하되, 질량 분해능을 개선하기 위해 더 큰 제트 반경($R=1.0$)을 사용하며, $p_T > 0.5$ GeV인 트랙을 허용한다.
• 선택 전략: 포괄적 공명 탐색보다 민감도를 높이기 위해 세 가지 전략을 평가한다:
  1. 컷 기반(Cut-based): 트랙 수($N_{\text{tracks}}$)에 대한 단순 직사각형 컷을 적용하며, 이것이 가장 강력한 판별자로 식별되었다.
  2. 지도 학습(Supervised Learning): $N_{\text{tracks}}$, 극각(polar angle), 횡방향 구형도(transverse sphericity), 평균 트랙 분리도를 포함한 관측량을 사용하여 신호 및 배경 분포에 대해 훈련된 신경망을 사용한다.
  3. 약지도 이상 탐지(Weakly Supervised Anomaly Detection): 디제트 신호 영역 내의 트랙 분포에서 이상치를 찾기 위해 CATHODE 프레임워크를 채택하며, 정규화 흐름(normalizing flows)을 통해 사이드밴드를 사용하여 배경 밀도를 추정한다.

주요 결과

• 판별력: 연성 트랙의 수는 지배적인 관측량이다. 높은 $E_{\text{frac}}$(높은 파이온 다중도)의 경우, 신호는 QCD 배경에 비해 현저히 높은 트랙 수와 더 큰 등방성을 보인다.
• 발견 잠재력:
  • 명목상의 벤치마크 모델($\mu=1$)에 대해, 포괄적 탐색만으로도 750 GeV의 쿼크 질량에 대해 $5\sigma$ 발견이 거의 가능하다.
  • 더 높은 질량(1.0 및 1.5 TeV)의 경우, 트랙 기반 선택 전략을 포함하면 민감도가 크게 향상된다.
  • 지도 분류기(supervised classifier)는 가장 좋은 성능을 보이며, 발견을 위해 가장 낮은 신호 강도를 요구한다. 그러나 테스트 신호와 다른 $E_{\text{frac}}$를 가진 모델로 훈련되었을 때도 견고함을 유지한다.
  • 단순한 트랙 다중도 컷은 높은 $E_{\text{frac}}$에 대해 지도 분류기와 유사한 성능을 보이며, 모델 독립적인 대안을 제공한다.
  • 이상 탐지(CATHODE)는 트랙 다중도 관측량에 집중함으로써 단순 트랙 다중도 컷과 유사한 민감도를 나타낸다. 저자들은 이 특정 모델에서 발견에 필요한 낮은 신호 강도에 대해, 이상 탐지기가 미묘한 운동학적 특징보다는 거의 전적으로 트랙 다중도 관측량에 의존한다는 점을 언급한다.
• 제외 한계(Exclusion Limits):
  • 지도 분류기를 사용하면 $E_{\text{frac}} = 0.2$에 대해 약 $\approx 1450$ GeV까지의 쿼크 질량을 제외할 수 있다.
  • $E_{\text{frac}} = 1.0$의 경우, 지도 분류기 또는 엄격한 트랙 다중도 컷을 사용하여 조사된 전체 위상 공간($m_{q'} < 1500$ GeV, $\Lambda' < 200$ GeV)을 제외할 수 있다.
  • 이상 탐지 방법(CATHODE/IAD)은 제외에 전형적인 낮은 신호 강도에 대해서는 포괄적 탐색에 비해 제외 한계를 크게 개선하지 못한다. 이는 통계적 변동으로 인해 $S+B$를 $B$와 구별하기 어렵기 때문이다.

의의 및 주장
본 논문은 TeV 스케일 공명 현상에 수반되는 저-$p_T$ 트랙 분포의 이상 현상을 탐색하는 것이 탈에너지된 결합 상태(de-excited bound states)와 다크 샤워(dark showers)를 발견하기 위한 실행 가능하고 강력한 전략임을 입증한다고 주장한다. 저자들은 다음을 강조한다:

1. 강화된 도달 범위: 연성 트랙 정보를 활용하면 특히 트랙 다중도가 높은 모델에 대해 표준 디제트 탐색의 범위를 확장한다.
2. 모델 독립성: 트랙 다중도에 대한 단순한 컷은 특정 각도나 운동학적 특성을 가정하지 않고도 민감도를 높일 수 있는 비교적 모델 독립적인 방법을 제공한다.
3. 견고성: 지도 분류기는 잘못 모델링된 신호 매개변수(예: 잘못된 $E_{\text{frac}}$)에 대해서도 효과적이지만, 그 성능은 특정 신호 특성에 의존한다.
4. 미개척 위상 공간: 제안된 현상론은 현재까지 LHC에서 탐색되지 않은 (공명 현상과 부드럽고 등방적인 트랙 이상 현상을 포함하는) 매개변수 공간을 다룬다.

저자들은 CATHODE와 같은 이상 탐지 방법이 낮은 모델 의존성을 유지하는 데 가치가 있지만, 이 특정 벤치마크 모델에서 트랙 다중도 관측량의 지배력 때문에 더 단순한 선택 전략이 매우 효과적이라고 결론짓는다. 그들은 향후 연구에서 공명 유형(예: 딜렙톤)이나 복사 스펙트럼을 다양하게 탐구할 수 있을 것이라고 제안한다.