Filling the Gap: Hunting for Vector Bosons at the MUonE Experiment with Displaced Decay Signature

기술 요약: 공백을 메우다: MUonE 실험의 변위 붕괴 시그니처를 이용한 벡터 보손 탐색

문제 정의
본 논문은 초표준 모형(Beyond-Standard-Model, BSM)의 숨겨진 힘 매개 입자(hidden force mediators)의 파라미터 공간에서 존재하는 특정 "공백"을 다룬다. 이 영역에서 숨겨진 섹터와 표준 모형 사이의 결합은 너무 약해서 고에너지 충돌기에서 매개 입자가 효율적으로 생성되기 어렵지만, 동시에 매개 입자가 기존 빔 덤프(beam dump) 실험의 부피 내에서 붕괴할 만큼 충분히 길게 생존하지도 않는 상태이다. $\mathcal{O}(100)$ GeV 수준의 특성 빔 에너지를 고려할 때, 이러한 매개 입자들은 상호작용 지점으로부터 수 센티미터 떨어진 곳에서 가시적인 변위 붕데(displaced vertex)를 형성하며 붕괴할 것이다. 이를 위해서는 변위된 정점을 식별할 수 있는 고해상도 트래킹 기술을 갖춘 조밀한 검출기 기하 구조가 필요하다. MUonE 실험은 본래 뮤온 $g-2$ 텐션을 해결하기 위해 탄성 뮤온-전자($\mu e$) 산란을 통한 미세 구조 상수(fine-structure constant)의 실행(running)을 측정하도록 설계되었으나, 그 트래킹 능력은 이러한 특정 파라미터 공간을 조사할 수 있는 독특한 기회를 제공한다.

방법론
저자들은 세 가지 특정 벡터 보손 모델—다크 포톤(Dark Photon, $A'$), 게이지화된 $U(1)_{B-L}$ 보손, 그리고 게이지화된 $U(1)_{L_e-L_\mu}$ 보존—에 대한 MUonE 실험의 발견 잠재력을 평가하기 위해 종합적인 시뮬레이션 기반 분석을 수행한다.

• 생성 채널: 본 연구는 탄성 $\mu e \to \mu e V$ 산란과 비탄성 $\mu N \to \mu N V$ 산란(여기서 $N$은 원자핵) 생성 채널을 모두 포함함으로써 이전 연구를 일반화하였다. 후자는 더 높은 중심 질량 에너지 덕분에 더 무거운 벡터 보손을 생성할 수 있으므로 매우 중요하다.
• 신호 생성: 신호 이벤트는 FeynRules로 구축된 모델 파일을 사용하여 MadGraph 3.2를 통해 생성된다. 시뮬레이션에는 제동 복사(bremsstrahlung) 과정을 정확하게 모델링하기 위해 베릴륨(Beryllium) 타겟에 대한 핵 폼 팩터(nuclear form factors)가 포함된다. 벡터 보손은 검출기 내부에서 $e^+e^-$ 쌍으로 가시적으로 붕괴한다고 가정한다.
• 검출기 기하 구조 및 선택: 분석에는 40개의 베릴륨 타겟과 트래킹 스테이션을 포함하는 모듈로 구성된 MUonE 장치의 특정 기하 구조를 활용한다. 신뢰할 수 있는 입자 식별(PID) 및 배경사건 제거를 위해, 탐색은 빔라인의 마지막 5개 모듈로 제한된다.
  • 변위 붕괴 컷(Displaced Vertex Cut): 붕괴 정점은 타겟으로부터 25 mm와 140 mm 사이에서 발생해야 한다($25 \text{ mm} \le z_{decay} \le 140 \text{ mm}$). 이는 타겟 및 첫 번째 트래킹 스테이션으로부터 최소 $10\delta z$ (여기서 $\delta z \approx 1$ mm)만큼 변위되어, 즉각적인 정점(prompt vertex)의 오재구성 문제를 완화하기 위함이다.
  • 운동학적 컷(Kinematic Cuts): 붕괴 생성물은 1 GeV 이상의 에너지와 1 mrad 이상의 개구각을 가져야 한다. 모든 전하를 띤 트랙은 선택된 모듈의 세 개 트래킹 스테이션과 하류의 ECAL/뮤온 필터를 모두 통과해야 한다.
• 배경사건(Backgrounds): 본 연구는 이전의 계통적 분석(참조 [34])에 의존하며, 해당 분석은 표준 모형 배경사건(주로 $K^0_S \to \pi^+\pi^-$ 및 $\Lambda \to p\pi^-$)이 PID 시스템과 기하학적 컷을 통해 안전하게 제거될 수 있다고 결론지었다. 본 분석은 통계적 투영을 위해 배경사건이 없는 상태를 가정한다.

주요 기여

1. 핵 산란의 포함: 주요 기술적 기여는 $\mu N \to \mu N V$ 채널을 포함시킨 것이다. 저자들은 전자(electron)가 보손을 방사할 수 있는 능력 덕분에 저질량($< 60$ MeV)에서는 $\mu e$ 산란이 우세하지만, 훨씬 더 큰 중심 질량 에너지($\sqrt{s}_{\mu N} \approx 54$ GeV vs. $\sqrt{s}_{\mu e} \approx 400$ MeV)로 인해 고질량에서는 $\mu N$ 산란이 지배적임을 입증하였다.
2. 모델별 민감도: 논문은 각자의 결합 구조와 붕괴 분기비(branching ratio)를 고려하여 세 가지 잘 입증된 모델에 대한 뚜렷한 민감도 투영치를 제공한다.
   • 다크 포톤의 경우, 결합은 전기 전하에 비례한다.
   • $U(1)_{B-L}$의 경우, 보손은 중성미자(neutrino)와 결합하며, 이는 보이지 않는 중성미자 쌍으로의 붕괴 채널을 도입한다. 이는 가시적 분기비를 감소시키고 붕괴 길이를 단축시키므로, 동일한 붕괴 길이를 유지하기 위해 결합 강도의 미세 조정이 필요하다.
   • $U(1)_{L_e-L_\mu}$의 경우, 보손은 경량자(lepton)와 결합하지만 트리 레벨(tree level)에서 쿼크와는 결합하지 않아, 강입자 실험에서의 생성은 억제되나 MUonE에서는 여전히 유효하다.
3. 단면적 계산: 저자들은 단순히 해석적 근사(Weizsäcker-Williams 근사 등)에 의존하는 대신 직접적인 단면적 시뮬레이션을 수행하였으며, 뮤온 성질을 가진 빔에 대해 유효하지 않을 수 있는 가정들로 인해 발생할 수 있는 이전의 해석적 한계와의 불일치를 지적하였다.

결과
분석은 세 모델에 대한 예상 95% 신뢰 수준(CL) 민감도 곡선을 산출한다:

• 질량 범위: $\mu e$와 $\mu N$ 채널을 결합하면 MUonE의 민감도는 다크 포톤의 경우 약 150 MeV, $U(1)_{B-L}$ 및 $U(1)_{L_e-L_\mu}$ 모델의 경우 약 100 MeV 질량까지 확장된다. 이는 $\mu e$ 채널만을 고려했던 이전 연구(약 70 MeV로 제한됨)보다 2배 향상된 결과이다.
• 결합 민감도:
  • 저질량 영역($< 30$ MeV)에서는 높은 생성율 덕분에 $\mu e$ 채널이 더 작은 결합에 대해 더 나은 민감도를 제공한다.
  • 고질량 영역에서는 $\mu N$ 채널이 지배적인 발견 모드가 되어 더 무거운 매개 입자에 대한 도달 범위를 확장한다.
• 모델 비교:
  • $U(1)_{B-L}$의 민감도는 보이지 않는 중성미자 붕괴 채널(분기비 억제) 때문에 다크 포톤의 경우보다 약간 약하며, 파라미터 공간의 일부를 배제하는 중성미자 실험(예: Borexino, TEXONO)의 제약을 받는다.
  • $U(1)_{L_e-L_\mu}$의 민감도는 $U(1)_{B-L}$보다 약간 나은데, 이는 더 적은 중성미자 맛깔(flavor)과 결합하여 더 높은 가시적 분기비를 갖기 때문이다. 그러나 쿼크와 결합하지 않으므로 강입자 빔 덤프 실험으로부터는 적은 제약을 받는다.

의의 및 주장
본 논문은 MUonE 실험이 질량이 약 100 MeV에 달하는 벡터 보손 매개 입자의 파라미터 공간에서 "오랫동안 지속된 공백을 메울" 독보적인 위치에 있다고 주장한다. 고해상도 트래킹 시스템과 독특한 기하학적 설계를 활용함으로써, MUonE는 타겟에 가까운 변위된 정점을 재구성할 수 있으며, 이는 콜라이더(즉각적 붕해 필요)와 더 긴 기선(longer-baseline)의 빔 덤프 실험(더 긴 수명 필요)이 도달할 수 없었던 영역을 탐사할 수 있음을 의미한다.

저자들은 이 작업이 MUonE 실험이 테스트 런에서 공식 데이터 수집 단계(2027년 초 예정)로 전환됨에 따라 수행되는 "개념 증명(proof of concept)"이자 상세한 평가임을 강조한다. 이 연구는 새로운 물리학을 발견했다고 주장하는 것이 아니라, 특정적으로 아직 충분히 탐구되지 않은 영역에서 BSM 벡터 보손을 찾기 위한 견고한 프레임워크를 제공하며, 잠재적으로 뮤온 $g-2$ 이상 현상과 암흑 물질 열적 동결(thermal freeze-out) 메커니즘에 대한 통찰을 제공할 수 있음을 보여준다.