Search for low-mass hidden-valley dark showers with non-prompt muon pairs in proton-proton collisions at $\sqrt{s}$ = 13 TeV

CMS 실험은 13 TeV 양성자-양성자 충돌 데이터를 활용하여 힉스 보손의 붕괴를 통해 생성된 비표준 모델 입자 (암흑 샤워) 가 뮤온 쌍으로 붕괴하는 신호를 탐색한 결과, 표준 모델 예측 이상의 유의미한 초과를 관측하지 못해 암흑 메존의 수명과 질량에 대한 새로운 상한선을 설정했습니다.

핵심

🕵️‍♂️ 1. 왜 이 연구를 했을까요? (배경)

우리가 아는 우주는 '가시물질' (별, 지구, 우리 몸) 로만 5% 정도밖에 안 됩니다. 나머지는 '어두운 물질 (Dark Matter)'이라고 불리는 보이지 않는 무언가로 채워져 있습니다. 이 어두운 물질은 빛을 내지 않아 우리가 볼 수 없지만, 중력을 통해 우리 우주에 영향을 줍니다.

과학자들은 이 어두운 물질이 우리 입자 (Standard Model) 와 완전히 다른 **'어두운 세계 (Dark World)'**를 가지고 있을지 궁금해합니다. 마치 우리 눈에 보이지 않는 지하 도시가 존재하듯 말이죠.

🎯 2. 무엇을 찾았나요? (연구 목표)

이 연구는 **'히그스 입자 (Higgs Boson)'**라는 특별한 입자가 붕괴할 때, 이 지하 도시로 통하는 **'비밀 통로'**가 열려 있는지 확인하는 것입니다.

• 시나리오: 히그스 입자가 붕괴하면, 보통 우리가 아는 입자 (전자, 쿼크 등) 가 만들어지지만, 가끔은 **'어두운 입자 (Dark Partons)'**라는 지하 도시의 주민들이 만들어질 수 있습니다.
• 어두운 입자의 특징: 이 주민들은 바로 사라지지 않고, 잠시 동안 숨어 있다가 (비행기 탑승 후 몇 시간 뒤에 내리는 것처럼) 다시 우리 세계로 돌아와서 **뮤온 (Muons, 무거운 전자)**이라는 입자 두 개로 변합니다.
• 핵심 질문: "히그스 입자가 붕괴할 때, 이 '지하 도시'로 가는 비밀 통로가 열려서, 나중에 다시 튀어나와서 뮤온 두 개를 남기는 일이 일어날까?"

🔍 3. 어떻게 찾았나요? (방법론)

이것은 마치 수백만 명의 사람들 (데이터) 이 모인 광장에서, **특정 옷을 입은 두 명의 친구 (뮤온 쌍)**가 우연히 떨어진 곳에서 (비행기 탑승 후 멀리 떨어진 곳) 서로를 발견하는 것을 찾는 것과 같습니다.

1. 데이터 수집 (데이터 파킹 전략):

   • 보통 LHC(입자가속기) 는 너무 많은 데이터를 만들어내어, 모든 것을 즉시 분석할 수 없습니다. 그래서 중요한 데이터만 선별합니다.
   • 하지만 이 연구는 **저에너지의 '작은 입자' (저질량)**를 찾아야 했기 때문에, 일반적인 필터를 쓰면 중요한 신호를 놓칠 수 있습니다.
   • 그래서 CMS 는 **'데이터 파킹 (Data Parking)'**이라는 전략을 썼습니다. 모든 데이터를 일단 테이프 (저장소) 에 '주차'해 두고, 나중에 컴퓨터 자원이 비었을 때 다시 꺼내어 정밀하게 분석했습니다. 마치 모든 차량을 일단 주차장에 넣어두고, 나중에 차고지 관리자가 하나하나 꼼꼼히 검사하는 것과 같습니다.

2. AI 를 활용한 사냥 (머신러닝):

   • 자연적으로 발생하는 배경 잡음 (QCD) 은 매우 많습니다. 이 잡음 속에서 진짜 '지하 도시' 신호를 찾아내려면 **고급 AI(Boosted Decision Trees)**가 필요합니다.
   • AI 는 "이 뮤온 두 개가 어디서 왔는지, 얼마나 멀리 떨어졌는지, 각도가 어떤지"를 학습시켜, 진짜 신호와 가짜 잡음을 구별합니다.

3. 신호 확인:

   • 연구팀은 **뮤온 두 개가 만들어낸 '이차 정점 (Secondary Vertex)'**을 찾았습니다. 이는 뮤온이 원래 충돌 지점 (1 차 정점) 에서 바로 튀어나온 게 아니라, 약간 떨어진 곳에서 갑자기 튀어나온 것을 의미합니다.
   • 마치 주변에 아무도 없는 한적한 공원 벤치에서 갑자기 두 사람이 튀어나와서 악수하는 모습을 찾는 것과 같습니다.

📉 4. 결과는 어땠나요? (결론)

결론부터 말씀드리면, 아직까지 '지하 도시'의 흔적은 찾지 못했습니다.

• 기대: "히그스 입자가 어두운 입자로 변할 확률"이 아주 작더라도 (10,000 분의 1 수준), 우리가 찾은 데이터 양이 많기 때문에 그 흔적을 발견할 수 있을 것이라고 기대했습니다.
• 현실: 하지만 데이터 분석 결과, 우리가 아는 물리 법칙 (표준 모형) 이 예측한 것보다 더 많은 신호는 발견되지 않았습니다. 모든 데이터는 우연히 발생한 잡음과 일치했습니다.

🏆 5. 이 연구의 의의는 무엇인가요? (성과)

"무엇도 찾지 못했다"는 것이 실패일까요? 아닙니다. 과학에서 '무엇이 존재하지 않는다'는 것을 증명하는 것도 매우 중요합니다.

1. 경계 설정: 우리는 이제 "히그스 입자가 어두운 입자로 변할 확률은 10 만 분의 1 보다 훨씬 작다"는 것을 확실히 알게 되었습니다. 이는 이전까지 알려진 어떤 연구보다 더 엄격하고 정밀한 제한을 설정한 것입니다.
2. 새로운 영역 개척: 이전에는 무거운 입자만 찾았거나, 멀리 떨어진 곳만 찾았지만, 이번 연구는 **매우 가벼운 입자 (0.3 GeV)**부터 수십 cm 이내의 짧은 거리까지 매우 정밀하게 탐색했습니다.
3. 새로운 모델 검증: '어두운 광자 (Dark Photon)'나 '어두운 파이온 (Dark Pion)'처럼 복잡한 지하 도시 모델들에 대해 최초로 제한을 설정했습니다.

💡 요약

이 논문은 "우주에 숨겨진 어두운 세계가 있을지 모른다"는 가설을 검증하기 위해, CERN 의 거대한 입자가속기에서 41.6fb(페타바이트급) 의 데이터를 AI 로 정밀하게 분석했다는 이야기입니다.

비록 지하 도시의 입주민 (신호) 을 직접 만나지는 못했지만, 우리는 **"그곳에 사람이 살 가능성은 이만큼 (10^-4) 이하로 매우 낮다"**는 것을 명확히 증명하여, 앞으로의 우주 탐사 지도를 더 정교하게 그릴 수 있게 되었습니다.

한 줄 평: "보이지 않는 친구를 찾기 위해 전 세계 과학자들이 AI 를 동원해 정밀 수색을 했지만, 친구는 아직 안 왔습니다. 하지만 '그 친구가 이 근처에 살 확률은 거의 없다'는 것을 확실히 알게 되었습니다."

기술 요약

논문 제목: 13 TeV 양성자 - 양성자 충돌에서의 비-즉각적 (non-prompt) 뮤온 쌍을 이용한 저질량 히든 밸리 (Hidden Valley) 다크 샤워 탐색

1. 연구 배경 및 문제 제기 (Problem)

• 암흑 물질의 정체: 우주 에너지의 약 27% 를 차지하는 암흑 물질의 정체는 여전히 미해결 과제입니다. 표준 모형 (SM) 을 넘어서는 많은 이론들이 암흑 물질을 설명하기 위해 제안되고 있습니다.
• 히든 밸리 (Hidden Valley) 모델: 새로운 비아벨 게이지 군을 도입하여 암흑 섹터를 확장하는 모델로, 암흑 쿼크가 '암흑 QCD'를 통해 강입자화되어 '다크 샤워 (Dark Shower)'를 생성합니다.
• 탐색 대상: 이 연구는 힉스 보손이 암흑 파트론 (dark partons) 으로 붕괴하고, 이들이 다시 암흑 메손 (dark mesons) 으로 강입자화된 후, 수명이 긴 (long-lived) 암흑 메손이 표준 모형 입자 (특히 뮤온) 로 붕괴하는 현상을 탐색합니다.
• 기존 한계: 이전의 LHC 탐색들은 주로 높은 질량 영역 (10 GeV 이상) 이나 특정 붕괴 모드에 국한되어 있었으며, 저질량 영역 (0.3 GeV 부근) 과 짧은 수명 (수 mm ~ 수백 mm) 을 가진 입자에 대한 민감도가 부족했습니다. 또한, 기존 탐색들은 주로 '점프 (pointing)'되는 궤적 (비행선으로 향하는) 에 집중했으나, '비-점프 (non-pointing)' 궤적을 가진 모델에 대한 탐색은 제한적이었습니다.

2. 연구 방법론 (Methodology)

데이터 및 트리거 전략

• 데이터셋: 2018 년 CERN LHC 에서 수집된 CMS 실험 데이터 (충돌 에너지 $\sqrt{s} = 13$ TeV, 적분 광도 $41.6 \text{ fb}^{-1}$).
• 데이터 파킹 (Data Parking) 전략: 표준 트리거 임계값을 낮추어 저 $p_T$ (횡운동량) 뮤온과 큰 충격 파라미터 (impact parameter) 를 가진 비-즉각적 (displaced) 뮤온을 포착할 수 있도록 설계된 특수 데이터셋을 사용했습니다. 이는 약 $1.3 \times 10^{10}$개의 이벤트 (약 70% 가 B 하드론 붕괴) 를 포함합니다.
• 트리거 조건: $p_T > 7 \sim 12$ GeV 및 충격 파라미터 유의도 ($IP_{sig} = IP/\sigma_{IP}$) 가 $3 \sim 6$ 이상인 뮤온을 요구합니다.

신호 모델

세 가지 주요 시나리오를 탐색합니다:

1. 벡터 포털 모델 (Vector Portal Model): 힉스 보손이 암흑 파트론 쌍 ($\psi\bar{\psi}$) 으로 붕괴하여 암흑 메손 ($\tilde{\omega}, \tilde{\eta}$) 을 생성합니다. 이 중 $\tilde{\omega}$가 뮤온 쌍으로 비-즉각적으로 붕괴합니다.
2. 시나리오 A (Scenario A): 확장된 히든 밸리 모델. 암흑 파이온 ($\tilde{\pi}_3$) 이 즉시 붕괴하여 두 개의 암흑 광자 ($A'$) 를 생성하고, 이 $A'$가 비-즉각적으로 붕괴하여 뮤온 쌍을 만듭니다. (점프 궤적)
3. 시나리오 B1 (Scenario B1): 암흑 파이온 ($\tilde{\pi}_3$) 이 비-즉각적으로 붕괴하여 $A'$를 생성하고, $A'$는 즉시 뮤온 쌍으로 붕괴합니다. (비-점프 궤적)

분석 기법

• 이벤트 선택: 두 개의 반대 전하를 가진 뮤온으로 구성된 2 차 정점 (Secondary Vertex, SV) 을 요구합니다.
• 기계 학습 (ML) 활용: 신호와 배경 (주로 QCD) 을 구분하기 위해 **부스트된 결정 트리 (Boosted Decision Tree, BDT)**를 사용합니다.
  • 입력 변수: 뮤온의 다중성 (multiplicity), 횡 충격 파라미터 ($d_{xy}$), 정점의 $\chi^2$, 지시각 (pointing angle), 변위 (displacement) 등 총 390 개 이상의 변수 중 약 100 개를 평균적으로 사용합니다.
  • 특징: 신호 이벤트는 배경에 비해 훨씬 많은 뮤온 다중성을 가집니다.
• 카테고리화: 이벤트는 정점 수 (단일/다중), 횡 변위 ($l_{xy}$), 지시각에 따라 12 개의 카테고리로 분류되어 민감도를 극대화합니다.
• 통계 분석: 각 카테고리에서 디뮤온 질량 분포를 Voigtian 함수 (신호) 와 다항식/지수/멱함수 (배경) 로 피팅하여 신호 존재 여부를 평가합니다.

3. 주요 기여 및 결과 (Key Contributions & Results)

관측 결과

• 표준 모형 예측 이상으로 통계적으로 유의미한 초과 (excess) 는 관측되지 않았습니다.

제한 조건 설정 (Upper Limits)

• 벡터 포털 모델: 힉스 보손이 암흑 파트론으로 붕괴하는 분지비 ($\mathcal{B}(H \to \psi\bar{\psi})$) 에 대해 $95\%$ 신뢰수준에서 $10^{-4}$까지의 엄격한 상한선을 설정했습니다.
  • 탐색 범위: 암흑 메손 ($\tilde{\omega}$) 질량 $0.3 \sim 20$ GeV, 평균 고유 수명 ($c\tau$) $0.1 \sim 500$ mm.
  • 성과: 기존 CMS 뮤온 검출기 기반 탐색 (Ref. [24]) 과 비교하여 수명이 짧은 영역 ($c\tau < 100$ mm) 과 저질량 영역 ($m < 1$ GeV) 에서 새로운 파라미터 공간을 탐색했으며, $100 \sim 500$ mm 영역에서는 기존 한계보다 최대 2 차수 (orders of magnitude) 더 엄격한 제한을 설정했습니다.
• 확장된 다크 샤워 모델 (Scenario A & B1): 암흑 광자를 포함한 2 개의 암흑 맛깔 (flavour) 을 가진 모델에 대해 최초로 제한 조건을 설정했습니다.
  • 암흑 광자 ($A'$) 질량 $0.33 \sim 2.5$ GeV 범위를 탐색했습니다.
  • 지시각 (pointing) 과 비-지시각 (non-pointing) 두 가지 붕괴 위상 모두에 대해 민감도를 입증했습니다.

기술적 혁신

• 데이터 파킹 전략의 성공적 적용: 저 $p_T$ 비-즉각적 뮤온을 포착하기 위한 트리거 임계값 하향 조정이 저질량 다크 섹터 입자 탐색에 필수적이었음을 입증했습니다.
• 고급 기계 학습: 높은 뮤온 다중성을 특징으로 하는 다크 샤워 신호를 배경과 효과적으로 분리하기 위해 BDT 를 적용하여 배경 억제율을 극대화했습니다.

4. 의의 및 중요성 (Significance)

1. 저질량 영역 개척: 기존 LHC 탐색들이 놓치고 있던 0.3 GeV 부근의 매우 낮은 질량 영역과 수 mm ~ 수백 mm 의 짧은 수명 영역을 체계적으로 탐색하여, 암흑 섹터 물리학의 중요한 파라미터 공간을 제한했습니다.
2. 모델 독립적 접근: 단일 붕괴 모드가 아닌, 다크 샤워의 복잡한 위상 (다중 정점, 다양한 수명, 지시각 변화) 을 포괄적으로 고려하여 다양한 이론 모델을 동시에 검증했습니다.
3. 새로운 물리 탐색의 지평: 비-즉각적 (displaced) 뮤온 쌍을 통한 탐색이 암흑 QCD 및 히든 밸리 모델에 대한 강력한 검증 도구임을 입증했습니다. 특히, Scenario A 와 B1 에 대한 최초의 제한 조건 설정은 향후 암흑 광자 및 암흑 파이온 관련 이론 연구에 중요한 기준을 제공합니다.
4. CMS 실험의 역량 강화: 데이터 파킹 전략과 기계 학습 기법의 결합이 고에너지 물리 실험에서 희귀 현상 탐색의 새로운 표준이 될 수 있음을 보여주었습니다.

이 연구는 암흑 물질의 가능한 후보인 '히든 밸리' 모델을 검증하는 데 있어 가장 엄격하고 포괄적인 제한 조건 중 하나를 제시하며, 표준 모형을 넘어서는 새로운 물리 현상 탐색에 중요한 이정표가 되었습니다.