Heavy Neutrinos across the Electroweak-to-Multi-TeV Frontier via Novel ML-Enhanced Probes

기술 요약: 새로운 ML 강화 프로브를 통한 전약력-멀티-TeV 경계 영역의 무거운 중성미자 연구

문제 제기
무거운 중성미자에 대한 탐색은 see-saw 메커니즘을 테스트하고 중성미자 질량의 기원을 설명하기 위한 핵심적인 목표로 남아 있다. 기존의 실험적 제약 조건들은 메존 붕괴, 무중성미자 이중 베타 붕괴, 그리고 콜라이더 탐색(LEP, LHC)을 통해 특정 질량 범위를 다루고 있으나, 특히 무거운 중성미자 질량($m_N$)이 전약력 스케일부터 멀티-TeV 경계에 이르는 구간에서는 상당한 공백이 존재한다. 전통적인 탐색 전략은 종종 공면 공간(phase space)의 제한으로 인해 높은 질량($m_N \gtrsim 1$ TeV)에서 운동학적으로 억제되는 공명 $s$-채널 생성(resonant $s$-channel production)에 의존한다. 또한, 제3세대 레프톤($\tau$ 레프톤 포함)과 관련된 현재의 제약 조건은 제1세대 및 제2세대 레프톤에 비해 현저히 약하다. 따라서 넓은 질량 스펙트럼(50 GeV에서 10 TeV)에 걸쳐 감도를 유지하면서, 고휘도 환경에서 압도적인 표준 모델(SM) 배경 사건으로부터 희귀 신호를 구별해낼 수 있는 통합된 전략이 필요하다.

방법론
저자들은 $\sqrt{s} = 13.6$ TeV에서의 양성자-양성자 충돌을 대상으로 하며, 최종 상태 $\ell\nu jj$(전하를 띤 레프톤, 결측 에너지, 두 개의 제트)를 타겟으로 하는 종합적인 분석 전략을 제안한다. 본 연구는 두 가지 뚜렷한 생성 체계를 포괄한다:

1. $s$-채널 생성: $m_N < 1$ TeV에서 지배적이며, Drell-Yan 및 $W\gamma$ 융합을 통한 공명 생성을 포함한다.
2. 벡터 보손 융합 (VBF): $m_N > 1$ TeV에서 지배적이며, 가상 무거운 중성미자의 $t$-채널 교환을 포함한다. 이는 질량이 증가함에 따라 단면적이 더 느리게 감소하는 특성을 보인다.

시뮬레이션 및 이벤트 생성:
신호 샘플은 50 GeV에서 10 TeV까지 16개의 질량 지점을 커버하는 HeavyN 모델을 사용하여 MadGraph5_aMC@NLO로 생성되었다. 배경 사건은 $V$+jets, 다이보존(dibosons), 그리고 톱-쿼크 생성과 같은 지배적인 SM 프로세스를 포함하며, $pp \to \ell\nu + \ge 2j$로 포괄적으로 시뮬레이션되었다. 이벤트는 Pythia 8를 통해 파톤 샤워링(parton showering) 및 강입자화(hadronization) 과정을 거쳤으며, 평균 140개의 상호작용을 포함한 현실적인 파일업(pileup) 조건과 객체 식별 효율을 반영한 CMS 설정을 사용한 Delphes 3.4.1을 통해 검출기 에뮬레이션을 수행하였다.

머신러닝 분석:
신호-배경 구별을 최적화하기 위해, 저자들은 XGBoost와 Scikit-learn을 이용한 그래디언트 부스팅 결정 트리(Gradient-Boosted Decision Trees, BDT)를 채택하였다.

• 입력 특징(Features): 모델은 횡운동량($p_T$), 의사-빠름도($\eta$), 방위각($\phi$), 결측 횡운동량($E_T^{\text{miss}}$), 불변 질량($M$), 횡질량($M_T$), 그리고 제트, 레프톤, 결측 에너지 사이의 각도 분리($\Delta R, \Delta \eta, \Delta \phi$)를 포함한 31개의 운동학적 변수를 사용하여 학습되었다.
• 학습 전략: 각 질량 지점과 서로 다른 레프톤 맛깔($\ell = \mu, \tau$)에 대해 별도의 BDT 모델을 학습시켰다. $\tau$ 채널의 경우, 재구성 능력을 반영하기 위해 오직 강입자 붕괴($\tau \to \pi\nu$)만을 시뮬레이션하였다.
• 통계적 해석: 기대 한계치는 적분 휘도가 3000 fb$^{-1}$ (HL-LHC)인 Asimov 데이터셋에 대해 점근적 프로파일 가능도 방법(asymptotic profile likelihood method)을 사용하는 CMS Combine 도구를 사용하여 도출되었다. PDF, 스케일 변화, 휘도, 레프톤/제트 효율과 같은 계통 오차는 섭동 매개변수(nuisance parameters)를 통해 포함되었다.

주요 기여 및 결과

• 통합된 질량 범위 커버리지: 본 연구는 $s$-채널과 VBF 생성 메커니즘을 결합함으로써 50 GeV에서 10 TeV 전체 질량 범위에 걸친 연속적인 탐색 전략을 입증한다. 단면적 거동은 저질량에서의 공명 지배 영역에서 고질량에서의 VBF 지배 영역으로 전환되며, 두 기여는 $m_N \approx 1$ TeV 근처에서 수렴한다.
• ML을 통한 감도 향상: BDT 분석은 복잡한 운동학적 상관관계를 효과적으로 포착한다. 특징 중요도(Feature importance) 분석 결과, 전하를 띤 레프톤과 결측 에너지를 포함하는 횡질량 변수($M_T(\ell E_T^{\text{miss}})$)와 다제트 불변 질량($M(j_1 j_2)$)이 가장 변별력이 높은 특징임이 밝혀졌다. 특히 $M(j_1 j_2)$ 분포는 저질량에서의 공명 피크와 고질량에서의 넓은 VBF 스펙트럼을 구분한다.
• 예측된 한계치: 3000 fb$^{-1}$를 가정할 때, 본 연구는 혼합 파라미터 $|V_{\ell N}|^2$에 대한 95% 신뢰 수준 상한선을 다음과 같이 투영한다:
  • $m_N = 50$ GeV일 때 감도는 $O(10^{-5})$에 도달한다.
  • 질량이 10 TeV에 접근함에 따라 감도는 $|V_{\ell N}|^2 \sim 1$까지 확장된다 (단, 유니타리티에 의해 제한됨).
  • 이 전략은 특히 VBF가 지배적인 멀티-TeV 영역에서 기존의 DELPHI 및 프롬프트 트리레프톤(trilepton) 탐색 한계보다 상당한 개선을 제공한다.
• 제3세대 도달 범위: 본 분석은 $\tau$ 채널을 구체적으로 다루며, 강입자 $\tau$ 재구성과 최종 상태의 추가적인 중성미리로 인한 어려움에도 불구하고, 제안된 VBF 강화 ML 전략이 현재 제약이 약한 $|V_{\tau N}|^2$ 영역을 조사할 수 있는 실행 가능한 경로를 제공함을 보여준다.
• 레프톤 보편성: 이 프레임워크는 레프톤 보편성 위반을 테스트하기 위해 전자, 뮤온, 타우 채널을 결합할 수 있도록 한다.

의의
본 논문은 이 접근 방식이 기존 탐색 전략에 대해 "유망하고 상호 보완적인 경로"를 제공한다고 주장한다. 새로운 생성 메커니즘(고질량에서의 VBF)을 고급 머신러닝 분류와 통합함으로써, 본 연구는 무거운 중성미자에 대한 발견 범위를 상당 부분 확장한다. 특히 전통적인 컷 기반 분석이나 $s$-채널 전용 탐색이 감도가 감소하는 영역에서 제3세대 무거운 중성미자를 조사하고 멀티-TeV 경계를 탐사할 수 있는 잠재력을 강조한다. 이 연구는 고휘도 LHC의 물리적 잠재력을 극대화하기 위한 포괄적 시뮬레이션 및 ML 기법의 유용성을 강조한다.