Search for direct pair production of top squarks in $pp$ collisions at $\sqrt{s}= 13$ TeV and $13.6$ TeV in events with two oppositely charged leptons using the ATLAS detector

이 논문은 ATLAS 검출기를 사용하여 13 TeV 및 13.6 TeV 충돌 데이터에서 두 개의 반대 전하를 가진 렙톤, b-제트 및 큰 누락된 횡방향 운동량을 갖는 사건을 분석하여 직접적인 스쿼크 쌍생성을 탐색한 결과, 표준 모형 예측과 유의미한 편차를 보이지 않았으며 이전 분석보다 약 10% 개선된 질량 한계 (스쿼크 1060 GeV, 중성미노 560 GeV) 를 설정했다고 요약할 수 있습니다.

핵심

원자 폭탄보다 작은 '초소형 우주' 탐사: ATLAS 실험의 최신 발견

이 논문은 유럽 입자 물리 연구소 (CERN) 에 있는 거대한 입자 가속기 'LHC'에서 일어난 일들을 기록한 ATLAS 연구팀의 보고서입니다. 쉽게 말해, 우리가 아직 보지 못한 '새로운 입자'를 찾기 위해 13 년 동안 쌓인 데이터를 총동원해 분석한 결과를 담고 있습니다.

이 내용을 일반인이 이해하기 쉽게 비유와 함께 설명해 드릴게요.

---

1. 탐사의 목적: "보이지 않는 유령을 잡으려다"

우리가 아는 우주 (표준 모형) 는 마치 레고 블록으로 만든 성처럼 잘 설명되어 있습니다. 하지만 물리학자들은 이 레고 성이 완벽하지 않다고 생각합니다. 예를 들어, 힉스 입자의 질량이 왜 이렇게 가벼운지 설명할 수 없는 '질량 문제'가 있죠.

이를 해결하기 위해 제안된 이론이 **초대칭성 (SUSY)**입니다. 이 이론은 "모든 입자마다 아직 발견되지 않은 '쌍둥이'가 있다"고 주장합니다.

• **타입쿼크 (Top Quark)**라는 무거운 입자가 있다면, 그 쌍둥이인 **스톱쿼크 (Top Squark, $\tilde{t}$)**도 있어야 합니다.
• 이 스톱쿼크는 매우 무겁고 불안정해서 금방 사라지지만, 사라질 때 **가장 가벼운 초대칭 입자 (LSP, 중성자)**를 남깁니다. 이 LSP 는 마치 유령처럼 우리가 감지할 수 없게 사라져 버립니다.

비유:

마치 어두운 방에서 누군가 숨어 있는 '유령'을 찾으려는 상황입니다. 유령은 직접 보이지 않지만, 유령이 지나가면 공기가 흔들리거나 (에너지 손실), 다른 물건들이 튕겨 나가는 (충돌) 흔적이 남습니다. 연구팀은 바로 이 **'흔적'**을 찾고 있는 것입니다.

2. 실험 방법: 거대한 '우주 충돌기'와 '스마트 카메라'

연구팀은 LHC 라는 거대한 터널에서 양성자 두 개를 광속에 가깝게 가속시켜 서로 충돌시켰습니다.

• 충돌: 두 개의 양성자가 부딪히면 엄청난 에너지가 방출되어 새로운 입자들이 쏟아져 나옵니다. 마치 두 대의 자동차를 광속으로 충돌시켜 파편을 만들어내는 것과 같습니다.
• 데이터: 2015 년부터 2018 년까지 (런 2), 그리고 2022 년부터 2023 년까지 (런 3) 의 데이터를 모두 모았습니다. 총 140 페타바이트 (140 fb⁻¹) 와 53 페타바이트 (53 fb⁻¹) 라는 어마어마한 양의 데이터입니다.
• ATLAS 감지기: 이 충돌 현상을 포착하는 거대한 카메라입니다. 입자들이 어떤 경로로 날아갔는지, 얼마나 에너지를 가졌는지, 그리고 **어디로 사라졌는지 (누락된 에너지)**를 정밀하게 측정합니다.

3. 분석 전략: AI 가 찾아낸 '진짜 신호'

이 실험의 가장 큰 특징은 **인공지능 (AI)**을 활용했다는 점입니다.

• 문제점: 스톱쿼크가 만들어내는 신호는 아주 희미합니다. 반면, 우리가 이미 아는 입자들 (배경 잡음) 이 만들어내는 신호는 너무 많습니다. 마치 바다에서 바늘을 찾는 것보다 훨씬 어렵습니다.
• 해결책: 연구팀은 **신경망 (Neural Network)**이라는 AI 를 훈련시켰습니다. 이 AI 는 "어떤 패턴이 진짜 스톱쿼크일 가능성이 높은가?"를 학습했습니다.
  • 학습 데이터: 시뮬레이션으로 만든 가상의 스톱쿼크 사건과 실제 배경 잡음 (표준 모형) 데이터를 AI 에게 먹였습니다.
  • 판단: AI 는 입자들의 운동 방향, 에너지, 결손된 에너지 (유령이 사라진 자리) 등을 종합적으로 분석하여 "이건 스톱쿼크일 확률이 90% 이상이다!"라고 점수를 매겼습니다.

비유:

수천 개의 CCTV 영상 속에서 도둑을 찾는 상황입니다. 보통은 사람이 눈으로 하나하나 확인해야 하지만, 이 연구는 도둑의 행동 패턴을 완벽하게 익힌 AI를 투입했습니다. AI 는 "저 사람은 도망갈 때 발소리가 이상하고, 가방을 들고 있다"는 미세한 특징을 포착해 도둑을 가려냈습니다.

4. 결과: "아직은 유령을 찾지 못했지만, 범위를 좁혔다"

결과는 어땠을까요?

• 발견: 아쉽게도 새로운 입자 (스톱쿼크) 는 발견되지 않았습니다. 데이터는 우리가 알고 있는 기존 물리 법칙 (표준 모형) 과 완벽하게 일치했습니다.
• 의미: 하지만 '찾지 못했다'는 것만으로도 큰 의미가 있습니다. 연구팀은 **"만약 스톱쿼크가 존재한다면, 그 질량은 1,060 GeV(기가전자볼트) 보다 무거워야 한다"**는 결론을 내렸습니다.
  • 이전 연구보다 약 10% 더 무거운 영역까지 탐색 범위를 넓혔습니다.
  • 마치 "유령이 이 방 (1,060 GeV 이하) 에는 없다"는 것을 증명해낸 셈입니다.

비유:

유령이 집 안에 있을 것이라고 의심되어 모든 방을 수색했습니다. 비록 유령은 발견하지 못했지만, "유령이 이 방 (1,060 GeV) 에는 숨어있지 않다"는 것을 확실히 증명했습니다. 이제 유령이 숨어있을 수 있는 곳은 더 좁고 무거운 방으로 좁혀졌습니다.

5. 결론: 왜 이 연구가 중요한가?

이 논문은 다음과 같은 의미를 가집니다:

1. 기술의 발전: 더 많은 데이터 (런 3 포함) 와 더 똑똑한 AI 를 이용해 이전보다 훨씬 정밀하게 탐색했습니다.
2. 이론의 검증: 초대칭성 이론이 맞다면 스톱쿼크는 반드시 있어야 합니다. 하지만 우리가 찾는 범위에서는 아직 보이지 않습니다. 이는 물리학자들이 이론을 수정하거나, 더 무거운 입자를 찾기 위해 더 강력한 가속기가 필요함을 시사합니다.
3. 미래: 유령을 아직 못 찾았지만, 우리가 아는 우주의 한계를 한 걸음 더 넓혔습니다. 다음 단계에서는 더 무거운 입자를 찾기 위해 LHC 를 더 강력하게 가동하거나 새로운 실험을 준비할 것입니다.

한 줄 요약:

"거대한 입자 충돌기로 우주의 비밀을 파헤쳤고, AI 를 동원해 정밀하게 수색한 결과, 아직은 새로운 입자 (유령) 를 찾지 못했지만, '유령이 숨어있을 수 있는 곳'을 이전보다 더 좁고 깊은 곳으로 좁혔다"는 놀라운 탐사 보고서입니다.

기술 요약

논문 요약: ATLAS 검출기를 이용한 $\sqrt{s}=13$ TeV 및 13.6 TeV $pp$ 충돌에서의 직접적인 탑 스쿼크 쌍생산 탐색 (두 개의 반대 전하를 가진 렙톤 사건)

1. 연구 배경 및 문제 정의 (Problem)

• 초대칭성 (SUSY) 과 탑 스쿼크: 표준 모형 (SM) 의 계층성 문제 (hierarchy problem) 를 해결하기 위해 제안된 초대칭성 이론은 탑 쿼크의 초대칭 파트너인 탑 스쿼크 ($\tilde{t}$) 의 존재를 예측합니다. 특히, 힉스 보손 질량에 대한 양자 보정을 상쇄하기 위해 가벼운 탑 스쿼크 ($\tilde{t}_1$) 는 이론적으로 매우 중요합니다.
• 탐색 목표: 본 연구는 LHC 에서 직접적으로 생성된 탑 스쿼크 쌍 ($\tilde{t}_1\tilde{t}_1$) 이 각각 온-셸 (on-shell) 탑 쿼크 ($t$) 와 가장 가벼운 중성미노 ($\tilde{\chi}^0_1$, LSP) 로 붕괴하는 과정을 탐색하는 것입니다.
  • 붕괴 과정: $\tilde{t}_1 \to t \tilde{\chi}^0_1 \to (W b) \tilde{\chi}^0_1$
  • 최종 상태: 두 개의 반대 전하를 가진 렙톤 ($e$ 또는 $\mu$), $b$-제트, 그리고 검출되지 않은 LSP 로 인한 큰 횡방향 결손 운동량 ($E_T^{miss}$).
• 기존 연구의 한계: 이전 ATLAS 분석 (Run 2 데이터 기반) 은 탑 스쿼크 질량 약 1 TeV 까지 배제했으나, 더 높은 질량 영역과 무거운 중성미노 ($\tilde{\chi}^0_1$) 질량 영역에서의 민감도를 높일 필요가 있었습니다.

2. 데이터 및 분석 방법론 (Methodology)

• 데이터셋:
  • Run 2 (2015-2018): $\sqrt{s}=13$ TeV, 적분 광도 $140 \text{ fb}^{-1}$.
  • Run 3 (2022-2023): $\sqrt{s}=13.6$ TeV, 적분 광도 $53 \text{ fb}^{-1}$.
  • 총 193 $\text{fb}^{-1}$의 데이터를 활용하여 통계적 정밀도를 높였습니다.
• 사건 재구성 및 선별:
  • 두 개의 반대 전하 렙톤 ($p_T > 27, 20$ GeV), 최소 2 개의 제트 (최소 1 개는 $b$-태그), 그리고 $E_T^{miss}$를 요구합니다.
  • 렙톤의 불변 질량 ($m_{\ell\ell} > 20$ GeV) 을 제한하여 저질량 공명 배경을 제거합니다.
• 기계 학습 (ML) 기반 분류기 도입 (핵심 기여):
  • 신호와 표준 모형 배경 ($t\bar{t}$, $t\bar{t}Z$ 등) 을 구별하기 위해 **6 개의 신경망 (Neural Networks, NN)**을 훈련시켰습니다.
  • 카테고리화: 신호 모델의 질량 차이 $\Delta m(\tilde{t}_1, \tilde{\chi}^0_1)$에 따라 3 가지 범주 (Low: 200-300 GeV, Medium: 300-500 GeV, High: $\ge$ 600 GeV) 로 나누어 각각 별도의 NN 을 훈련시켰습니다. 이는 운동학적 특성의 차이를 고려한 최적화된 분별력을 제공합니다.
  • 입력 변수: 렙톤 및 제트의 운동량, $E_T^{miss}$의 크기 및 중요도 (significance), $m_{T2}$ (스트랜스버스 질량), 각도 분리 ($\Delta\phi$) 등 다양한 운동학적 변수를 사용했습니다.
  • 특히 $m_{T2}$ 변수: $t\bar{t}$ 배경은 $W$ 보손 질량에서 끝나는 반면, SUSY 신호는 중성미노의 존재로 인해 더 높은 값을 가지므로 강력한 분별 변수로 작용합니다.
• 배경 추정:
  • 주된 배경인 $t\bar{t}$ 및 $t\bar{t}Z$는 데이터 기반의 제어 영역 (Control Regions, CR) 에서의 동시 프로파일 가능도 적합 (simultaneous profile likelihood fit) 을 통해 정규화 인자 ($\mu$) 를 추출하여 보정했습니다.
  • 비주요 배경은 몬테카를로 (MC) 시뮬레이션을 사용했습니다.

3. 주요 결과 (Results)

• 관측 결과:
  • 모든 신호 영역 (SR) 에서 표준 모형 예측과 관측 데이터 사이에 통계적으로 유의미한 초과 (excess) 는 관측되지 않았습니다.
  • 일부 영역 (Run 2 의 Medium/High $1b$ 영역) 에서 약간의 과잉이 관측되었으나, 이는 통계적 요동 범위 내에 있었습니다.
• 배제 한계 (Exclusion Limits):
  • 95% 신뢰수준 (CL) 에서 탑 스쿼크 ($\tilde{t}_1$) 와 중성미노 ($\tilde{\chi}^0_1$) 의 질량 조합에 대한 배제 한계를 설정했습니다.
  • 탑 스쿼크 질량: 중성미노가 질량이 없는 경우, 1060 GeV까지 배제되었습니다. (기존 Run 2 결과 대비 약 100 GeV, 즉 약 10% 향상).
  • 중성미노 질량: 탑 스쿼크 질량이 900 GeV 일 때, 중성미노 질량 560 GeV까지 배제되었습니다.
• 민감도 향상:
  • 새로운 ML 기반 분석 전략과 Run 3 데이터 추가, 그리고 사건 재구성 기술의 개선으로 인해 신호 강도에 대한 상한선이 약 50% (재구성 및 전략 개선) + 20% (Run 3 데이터) 만큼 개선되었습니다.
  • 이로 인해 2 렙톤 채널이 단일 렙톤 채널과 경쟁력 있는 민감도를 가지게 되었습니다.

4. 기여 및 의의 (Significance)

• 기술적 혁신: LHC Run 3 데이터를 포함하고, 다양한 질량 영역에 최적화된 **다중 신경망 (Multi-class NN)**을 도입하여 신호/배경 분별력을 극대화한 최초의 ATLAS 탑 스쿼크 2 렙톤 분석입니다.
• 물리적 의미:
  • SUSY 모델 중 가장 이론적으로 동기 부여가 강한 가벼운 탑 스쿼크 영역에 대한 가장 엄격한 제한을 설정했습니다.
  • 무거운 중성미노 ($\tilde{\chi}^0_1$) 질량 영역에서의 민감도 향상을 통해, 암흑 물질 후보인 중성미노의 질량 범위를 좁히는 데 기여했습니다.
  • 기존 분석 대비 약 10% 의 질량 도달 범위 (mass reach) 확장은 LHC 의 미래 데이터 분석 전략에 중요한 기준을 제시합니다.
• 결론: 관측된 데이터는 표준 모형과 일치하며, 새로운 물리 현상의 증거는 발견되지 않았습니다. 그러나 설정된 배제 한계는 초대칭성 이론의 파라미터 공간을 크게 축소시켰으며, 향후 더 높은 에너지와 광도를 가진 데이터 분석의 기초를 마련했습니다.

---

참고: 본 요약은 2026 년 3 월에 제출된 것으로 명시된 가상의 논문 (arXiv:2603.16191v1) 내용을 기반으로 작성되었습니다.