Search for heavy neutral leptons in B-meson decays

LHCb 실험은 13 TeV 충돌 데이터 5 fb⁻¹을 분석하여 B-중간자 붕괴에서 생성된 장수명 중성 중입자 (HNL) 를 탐색한 결과, 유의미한 초과를 관측하지 못해 1.6~5.5 GeV 질량 범위에서 뮤온 중성미자와의 혼합 제곱 $|U_{\mu N}|^2$에 대한 새로운 제한을 설정했습니다.

핵심

CERN 의 거대한 입자 사냥: '무거운 중성미자'를 찾아서

이 논문은 유럽 입자 물리 연구소 (CERN) 의 LHCb 실험팀이 수행한 흥미진진한 **'신비한 입자 사냥'**에 대한 보고서입니다. 마치 우주라는 거대한 바다에서 아주 작고, 아주 오래 살아남는 '유령 같은 물고기'를 잡으려 노력한 이야기라고 생각하시면 됩니다.

1. 왜 이 입자를 찾는 걸까요? (배경)

우리가 아는 우주의 법칙, 즉 '표준 모형'은 아주 훌륭하지만, 여전히 풀리지 않은 미스터리가 몇 가지 있습니다.

• 어두운 물질 (Dark Matter): 우주 대부분을 차지하지만 우리가 볼 수 없는 것.
• 물질과 반물질의 불균형: 왜 우주에는 물질은 많고 반물질은 거의 없는지?
• 중성미자의 질량: 중성미자가 왜 아주 작은 질량을 가지는지?

이 미스터리들을 해결할 열쇠로 과학자들은 **'무거운 중성 중성미자 (Heavy Neutral Lepton, HNL)'**라는 가상의 입자를 상상했습니다. 이 입자는 우리가 아는 중성미자보다 훨씬 무겁고, 아주 오랫동안 살아남아 (수명이 길고) 우리 눈에 잘 띄지 않는 '유령' 같은 존재입니다.

2. 어떻게 잡으려 했나요? (실험 방법)

LHCb 실험팀은 2016~2018 년 사이, 양성자끼리 아주 빠르게 부딪히는 충돌 데이터를 5 년치 (약 5 fb⁻¹) 모았습니다. 이 충돌 속에서 **'B 메손'**이라는 불안정한 입자가 만들어지는데, 이 B 메손이 붕괴할 때 아주 희미하게 HNL 이 튀어나올 수 있다고 가정했습니다.

비유하자면:

거대한 폭포 (양성자 충돌) 에서 물방울 (B 메손) 이 떨어지고, 그 물방울이 떨어지는 과정에서 아주 작은 '보이지 않는 물고기 (HNL)'가 튀어 나온다고 상상해 보세요. 이 물고기는 바로 죽지 않고, 폭포 아래로 꽤 멀리 (수십 센티미터에서 수 미터) 헤엄쳐 간 뒤에야 사라집니다.

연구팀은 이 '헤엄쳐 가는 물고기'가 사라지는 지점에서 **뮤온 (μ)**과 **파이온 (π)**이라는 두 입자가 튀어나오는지 정밀하게 관측했습니다.

3. 어떤 전략을 썼나요? (기술적 접근)

이 입자는 '유령'처럼 잘 안 보이므로, 두 가지 주요 전략을 썼습니다.

1. 시간과 거리를 노리다 (수명 측정):
   일반적인 입자는 생성되자마자 바로 사라지지만, HNL 은 아주 오래 삽니다. LHCb 검출기는 입자가 생성된 지점과 사라진 지점 사이의 거리를 아주 정밀하게 재는 '초고속 카메라' 역할을 합니다. 만약 입자가 생성된 곳에서 조금 떨어진 곳에서 사라진다면, 그것이 바로 우리가 찾는 '오래 사는 입자'일 가능성이 높습니다.
2. 머신러닝 (AI) 을 활용한 사냥:
   수많은 데이터 속에서 진짜 신호를 찾아내는 것은 바늘을 건초더미에서 찾는 것과 같습니다. 연구팀은 **인공지능 (신경망)**을 훈련시켜, 진짜 HNL 신호와 우연히 섞인 잡음 (배경 잡음) 을 구별하도록 했습니다. 마치 숙련된 사냥개가 냄새를 맡아 진짜 사냥감을 찾아내는 것과 같습니다.

4. 결과는 무엇인가요? (결론)

결론부터 말씀드리면, 아직은 '유령'을 잡지 못했습니다.

• 기대했던 신호는 없었습니다: 데이터 분석 결과, HNL 이 존재한다는 확실한 흔적 (과도한 입자 수) 은 발견되지 않았습니다.
• 하지만 중요한 발견이 있습니다: "없었다"는 사실도 매우 중요합니다. 연구팀은 HNL 이 존재할 수 있는 **질량 범위 (1.6~5.5 GeV)**와 **혼합 정도 (우주 입자와의 연결 강도)**에 대해 새로운 제한선을 그었습니다.
  • 즉, "이런 조건의 유령은 존재하지 않는다"는 것을 증명함으로써, 과학자들이 더 좁은 범위를 찾아야 한다는 지도를 제공한 것입니다.

5. 이 연구의 의미는?

이번 연구는 LHCb 실험이 이전에 설정했던 한계를 10 배 이상 뛰어넘는 정밀도로 개선했습니다.

• 지도의 정밀도 향상: 이제 과학자들은 "유령이 있을 법한 곳"을 훨씬 좁게 좁혀서 찾아볼 수 있게 되었습니다.
• 미래를 위한 준비: 이번 연구에서 개발된 정교한 분석 기술과 AI 기법은, 향후 LHCb 실험이 더 많은 데이터를 모을 때 (LHC 업그레이드 II 등) 더 강력한 입자를 찾는 데 결정적인 역할을 할 것입니다.

한 줄 요약:

"우주라는 거대한 바다에서 '무거운 중성미자'라는 유령 물고기를 잡으려 거대한 그물 (LHCb) 을 던졌지만, 아직은 잡히지 않았습니다. 하지만 그물망의 구멍 크기를 훨씬 더 정교하게 줄였으니, 다음에는 더 작은 물고기도 잡을 수 있을 것입니다!"

이 연구는 우리가 우주를 이해하는 데 있어, 보이지 않는 것들을 찾아내는 끈기와 과학적 기술의 정수를 보여주는 멋진 사례입니다.

기술 요약

논문 제목: B-중간자 붕괴에서 무거운 중성 렙톤 (HNL) 탐색

1. 연구 배경 및 문제 제기 (Problem)

• 표준 모형 (SM) 의 한계: 표준 모형은 우주의 암흑물질, 물질 - 반물질 비대칭성, 중성미자 질량의 기원 등을 설명하지 못합니다.
• 무거운 중성 렙톤 (HNL): 이러한 문제를 해결하기 위해 제안된 '제 1 형 시소 (Type-I Seesaw)' 메커니즘 등 다양한 새로운 물리 모델에서 예측하는 가상의 페르미온인 중성 렙톤 (N) 을 탐색하는 것이 중요합니다.
• 연구 목표: 본 연구는 LHCb 실험 데이터를 활용하여 B-중간자 붕괴를 통해 생성된 수명 (Long-lived) 이 긴 HNL 을 탐색하고, 이를 통해 렙톤 수 보존 (Dirac) 및 렙톤 수 위반 (Majorana) 시나리오 모두에 대한 제한을 설정하는 것을 목표로 합니다. 특히, 질량 범위 1.6~5.5 GeV 에서 뮤온 중성미자와의 혼합 성분 $|U_{\mu N}|^2$에 대한 민감도를 극대화하는 데 중점을 둡니다.

2. 연구 방법론 (Methodology)

• 데이터 및 실험 조건:

  • 데이터: 2016~2018 년 (Run 2) 동안 LHCb 검출기로 수집된 13 TeV 중심 질량 에너지의 양성자 - 양성자 충돌 데이터.
  • 누적 광도 (Integrated Luminosity): $5.04 \pm 0.10 \text{ fb}^{-1}$.
  • 탐색 채널: $B \to \mu N$ (및 $B_c \to \mu N$) 생성 후, HNL 이 $N \to \mu^\pm \pi^\mp$로 붕괴하는 과정.
  • 신호 특징: HNL 은 수명이 길어 (Long-lived) 1 차 충돌점 (PV) 에서 멀리 떨어진 2 차 붕괴 정점을 형성합니다.

• 사건 선택 (Event Selection):

  • 재구성 카테고리: HNL 의 붕괴 위치와 궤적 재구성 품질에 따라 두 가지 카테고리로 분류합니다.
    1. Long (VELO 내부): VELO(Vertex Locator) 내부에서 붕괴하여 'Long track'으로 재구성된 경우 (높은 질량/운동량 분해능).
    2. Downstream (VELO 외부): VELO 외부에서 붕괴하여 'Downstream track'으로 재구성된 경우 (더 긴 수명에 민감).
  • 트리거 및 오프라인 선택: 뮤온 기반 하드웨어 트리거를 통과하고, 소프트웨어 트리거 및 오프라인 선택에서 운동량, 충동 파라미터 (IP), 붕괴 거리 ($FD_z$) 등을 엄격하게 적용하여 배경을 제거합니다.

• 신호/배경 모델링 및 분석:

  • 기계 학습 (ML): 신호와 배경을 구분하기 위해 HNL 질량 ($m_N$) 을 매개변수로 하는 신경망 (Neural Network, NN) 분류기를 사용합니다. 이는 다양한 질량 가설에 대해 매끄러운 보간을 가능하게 하여 개별 질량 포인트마다 별도의 분류기를 훈련할 필요를 없앱니다.
  • 배경 추정:
    • 조합 배경 (Combinatorial): 지수 함수 또는 선형 함수로 모델링합니다.
    • 피킹 배경 (Peaking Background): $D^0 \to K^-\pi^+$ 등의charm 중간자 붕괴에서 입자 오인식 (Misidentification) 으로 인한 배경은 데이터 기반 ABCD 방법을 사용하여 추정합니다.
  • 신호 추출: 슬라이딩 윈도우를 사용하여 $m(\mu\pi)$ 불변 질량 스펙트럼에서 '범프 헌트 (Bump hunt)'를 수행합니다. 수정된 Crystal Ball 함수로 신호를 모델링하고, 배경과 함께 최대우도법 (Likelihood fit) 으로 분석합니다.

3. 주요 기여 (Key Contributions)

• 광범위한 수명 및 질량 범위 탐색: HNL 의 수명이 $1 \text{ ps}$에서 $10 \text{ ns}$까지 다양할 수 있음을 고려하여, VELO 내부와 외부 모두를 아우르는 재구성 전략을 적용했습니다.
• 매개변수화 된 신경망 기법: HNL 질량을 NN 입력 변수로 포함시켜, 시뮬레이션된 질량 포인트 사이의 민감도를 연속적으로 보간하는 혁신적인 분석 기법을 도입했습니다.
• 포괄적인 채널 분석: 완전 재구성된 렙톤 붕괴 ($B^+ \to \mu N$, $B_c^+ \to \mu N$) 와 부분 재구성된 반렙톤 붕괴 ($B \to \mu N X$) 를 모두 포함하여 통계적 민감도를 극대화했습니다.
• Majorana 및 Dirac 시나리오 동시 검증: 최종 상태의 뮤온 전하 조합 (Same-sign, Opposite-sign) 을 모두 분석하여 렙톤 수 위반 (Majorana) 및 보존 (Dirac) 과정을 독립적으로 탐색했습니다.

4. 연구 결과 (Results)

• 관측 결과:
  • 모든 질량 가설에서 통계적으로 유의미한 과잉 (Excess) 은 관측되지 않았습니다.
  • 가장 큰 국소 과잉은 $m_N = 2.93 \text{ GeV}$ (Dirac, Opposite-sign) 에서 $2.5\sigma$로 관측되었으나, '다른 곳 찾기 효과 (Look-elsewhere effect)'를 고려한 전역 통계적 유의성은 $0.3\sigma$로 통계적 요동으로 판단되었습니다.
• 제한 설정 (Limits):
  • 95% 신뢰 수준 (CL) 에서 $|U_{\mu N}|^2$에 대한 상한선이 설정되었습니다.
  • 민감도: 질량 범위 1.6~5.5 GeV 에서 $|U_{\mu N}|^2$ 값이 $10^{-5} \sim 10^{-4}$ 수준까지 배제되었습니다.
  • 개선: 이는 이전 LHCb 결과보다 10 배 이상 개선된 민감도입니다.
• 이론적 함의:
  • 결과물은 $\nu$MSM 모델의 렙토제네시스 (Leptogenesis) 영역을 직접 탐색하지는 못하지만, 3 개의 HNL 이 존재하거나 대칭성 보호 시소 메커니즘, $B-L$ 게이지 모델 등 더 큰 혼합을 예측하는 모델들의 파라미터 공간을 상당 부분 배제했습니다.

5. 의의 및 결론 (Significance)

• 새로운 물리 탐색의 진전: B-중간자 붕괴를 통한 HNL 탐색 분야에서 가장 엄격한 제한 중 하나를 설정하여, 표준 모형을 넘어서는 새로운 물리 현상에 대한 제약 조건을 강화했습니다.
• 기술적 발전: 다운스트림 트랙 (Downstream tracks) 처리, 피킹 배경 제어, 질량 매개변수화 NN 등 개발된 분석 기법은 향후 LHCb 업그레이드 (Upgrade I 및 II) 를 포함한 미래 HNL 탐색 연구의 robust 한 프레임워크로 활용될 것입니다.
• 미래 전망: 더 큰 데이터셋과 향상된 이동 정점 (Displaced vertex) 재구성 기술을 통해 민감도가 더욱 향상될 것으로 기대되며, 이는 우주의 중성미자 질량 기원과 암흑물질 문제 해결에 중요한 단서를 제공할 것입니다.

---

요약: 본 논문은 LHCb 실험 데이터를 이용하여 B-중간자 붕괴에서 생성된 무거운 중성 렙톤 (HNL) 을 탐색한 결과로, 새로운 물리 신호는 관측되지 않았으나 기존 연구보다 10 배 이상 개선된 민감도로 혼합 각도 $|U_{\mu N}|^2$에 대한 엄격한 제한을 설정했습니다. 이는 다양한 새로운 물리 모델에 대한 중요한 제약 조건을 제공하며, HNL 탐색을 위한 첨단 분석 기법을 정립했다는 점에서 의의가 큽니다.