Search for Higgs boson production at high transverse momentum in the WW decay channel in proton-proton collisions at $\sqrt{s}$ = 13 TeV

이 논문은 2016~2018 년 CMS 실험 데이터를 기반으로 13 TeV 양성자 - 양성자 충돌에서 WW 붕괴 채널을 통해 고 횡운동량 (high-$p_\mathrm{T}$) 힉스 보손 생성을 탐색한 결과, 표준 모형 기대치 대비 신호가 관측되지 않았음을 보고하며, 이는 고도로 로런츠 부스트된 힉스 보손 붕괴에 대한 최초의 전용 연구입니다.

핵심

🌌 이야기의 배경: 거대한 충돌 실험실

상상해 보세요. 거대한 원형 터널 (LHC) 안에서 두 개의 입자 빔이 시속 수억 km 로 서로 정면 충돌합니다. 이 충돌로 인해 우주의 초기 상태를 재현하며 새로운 입자들이 튀어 나옵니다. 그중에서 과학자들이 가장 찾고 있는 것은 **'힉스 입자 (Higgs boson)'**입니다. 힉스 입자는 다른 입자들에게 '질량'이라는 옷을 입혀주는 역할을 하는 중요한 입자입니다.

🚀 핵심 질문: "힉스 입자가 아주 빠르게 날아갈 때는 어떨까?"

지금까지 힉스 입자는 보통의 속도로 움직일 때 어떻게 행동하는지는 많이 연구되었습니다. 하지만 이 논문은 **"만약 힉스 입자가 로켓처럼 엄청나게 빠른 속도로 (높은 운동량을 가지고) 날아간다면?"**이라는 질문에 답하려 합니다.

• 비유: 힉스 입자가 느리게 걷는 사람이라면, 이 연구는 초고속으로 달리는 스프린터를 관찰하는 것입니다.
• 왜 중요한가? 아주 빠른 속도로 움직일 때 힉스 입자가 어떻게 부서지는지 보면, 우리가 아는 물리 법칙 (표준 모형) 이 맞는지, 아니면 새로운 신비로운 물리 현상이 숨어있는지 알 수 있기 때문입니다.

🔍 탐정들의 수사 방법: 두 가지 채널 (0ℓ 와 1ℓ)

힉스 입자는 아주 짧은 순간에 다른 입자들로 쪼개집니다 (붕괴). 이 연구에서는 힉스 입자가 W 입자 두 개로 변하는 경우를 집중적으로 살폈습니다. W 입자는 다시 전자나 뮤온 (전하를 띤 입자) 과 중성미자 (전하가 없고 잘 보이지 않는 입자) 등으로 변합니다.

과학자들은 이 붕괴 과정을 두 가지 방식으로 나누어 수사했습니다.

1. 0ℓ 채널 (전자가 하나도 없는 경우):

   • 상황: 힉스 입자가 W 입자 두 개로 쪼개졌고, 그 W 입자들이 다시 쿼크 (물질의 기본 구성 요소) 들로 변했습니다. 전자가 하나도 튀어나오지 않았습니다.
   • 비유: 마치 폭발한 폭탄의 파편만 남고, 폭발음 (전자) 은 들리지 않는 상황입니다. 모든 파편이 하나로 뭉쳐져서 거대한 덩어리 (제트) 를 이룹니다.
   • 수사 도구: 이 거대한 덩어리를 잘게 쪼개서 분석하는 **'PART(입자 변환기)'**라는 AI 알고리즘을 썼습니다. 이 AI 는 폭탄 파편 (힉스) 과 그냥 돌멩이 (배경 잡음) 를 구별하는 전문가입니다.

2. 1ℓ 채널 (전자가 하나 있는 경우):

   • 상황: W 입자 중 하나는 전자를 내뿜고, 다른 하나는 쿼크로 변했습니다.
   • 비유: 폭탄이 터지면서 **하나의 형광 스틱 (전자)**이 튀어나오고, 나머지는 파편으로 날아간 상황입니다.
   • 수사 도구: 이 경우에도 AI 를 쓰지만, 튀어나온 형광 스틱 (전자) 이 거대한 파편 덩어리 (제트) 안에 갇혀 있는 특수한 상황을 찾아냅니다.

🛠️ 사용된 첨단 기술: "AI 와 재조정"

이 연구의 가장 큰 특징은 최신 AI 기술을 활용했다는 점입니다.

• PART 알고리즘: 힉스 입자가 빠르게 날아갈 때, 그 파편들이 서로 너무 가깝게 붙어서 하나의 거대한 덩어리로 보입니다. 일반 카메라로는 구별이 안 되지만, 이 AI 는 덩어리 안의 미세한 구조를 분석해 "아, 이건 힉스 입자가 만든 거야!"라고 찾아냅니다.
• 런드 제트 평면 (Lund Jet Plane) 재조정: AI 가 훈련된 데이터와 실제 데이터가 완벽히 같지 않을 수 있습니다. 그래서 과학자들은 실제 데이터의 패턴을 AI 가 더 잘 이해하도록 **데이터를 다시 보정 (Reweighting)**했습니다. 마치 AI 에게 "이건 실제 우주에서 본 거야, 이걸로 다시 공부해 봐"라고 가르치는 것과 같습니다.

📊 결론: "신호는 찾지 못했지만, 중요한 기록을 남겼다"

수많은 데이터를 분석한 결과, 힉스 입자가 아주 빠른 속도로 날아갈 때 W 입자로 붕괴하는 흔적은 발견되지 않았습니다.

• 결과: "우리가 예상한 대로 (표준 모형대로) 힉스 입자가 행동했다." 혹은 "아직은 새로운 물리 현상의 흔적을 찾지 못했다."는 뜻입니다.
• 의미: 신호가 없다는 것은 실망스러울 수 있지만, 과학적으로 매우 중요합니다.
  • 비유: 우리가 "이곳에 보물이 숨어있을지도 모른다"고 찾아다니다가, "아니, 여기엔 보물이 없다"는 것을 확실히 증명해낸 것입니다.
  • 이는 새로운 물리 법칙이 숨어있을 수 있는 영역을 좁혀주었다는 뜻입니다. 또한, 이렇게 빠른 속도로 움직이는 힉스 입자를 분석하는 첫 번째 본격적인 연구라는 점에서 역사적인 의미가 큽니다.

💡 한 줄 요약

"거대한 충돌 실험실에서 힉스 입자가 로켓처럼 빠르게 날아갈 때 어떻게 부서지는지, 최신 AI 를 동원해 정밀하게 수사했지만, 예상했던 대로 기존 물리 법칙을 벗어나는 새로운 신호는 발견되지 않았습니다. 하지만 이 과정 자체가 새로운 물리 현상을 찾는 중요한 첫걸음이 되었습니다."

이 연구는 우리가 우주의 기본 법칙을 더 깊이 이해하기 위해, 아주 극한의 조건 (고에너지) 에서 실험을 계속해 나가고 있음을 보여줍니다.

기술 요약

제공된 CERN CMS 협업의 논문 (CMS-HIG-24-008) 에 대한 상세한 기술적 요약은 다음과 같습니다.

논문 제목: 13 TeV 양성자 - 양성자 충돌에서 WW 붕괴 채널을 통한 고 횡방향 운동량 (High-$p_T$) 힉스 보손 생성 탐색

---

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 2012 년 힉스 보손 발견 이후, 그 성질과 결합 상수의 정밀 측정이 표준 모형 (SM) 검증 및 새로운 물리 현상 탐색의 핵심 과제가 되었습니다. 특히 고 횡방향 운동량 ($p_T$) 영역에서의 힉스 보손 생성은 이론적 예측에 큰 로그 보정과 고차 효과 (higher-order effects) 가 포함되어 있어 SM 계산의 강력한 검증 수단입니다. 또한, 이 영역은 LHC 가 직접 접근하지 못하는 에너지 스케일에서의 표준 모형을 넘어서는 새로운 물리 (BSM) 에 대한 민감한 탐침 역할을 합니다.
• 문제: 기존 연구들은 주로 $H \to b\bar{b}$나 $H \to \tau\tau$와 같은 큰 분기비를 가진 붕괴 채널을 통해 고 $p_T$ 힉스 보손을 탐색해 왔습니다. 그러나 $H \to WW$ 붕괴 채널, 특히 **고도로 로런츠 부스트 (Lorentz-boosted, $p_T \gtrsim 250$ GeV)**된 상태에서의 탐색은 수행된 바가 없었습니다.
• 도전 과제: 고 $p_T$ 힉스 보손이 $WW$로 붕괴할 때, 두$W$보손은 각도적으로 매우 가깝게 ($\Delta R < 0.8$) 방출되어 단일 대형 반지름 제트 (Large-radius jet) 로 합쳐집니다. 이 제트 내부에서 렙톤이 생성되거나 (1$\ell$), 렙톤이 없거나 (0$\ell$) 비고립된 렙톤이 존재하는 복잡한 위상 구조를 식별하고 배경 (QCD 다중 제트, $W$+제트, $t\bar{t}$ 등) 을 효과적으로 분리하는 것이 주요 난제였습니다.

2. 방법론 (Methodology)

• 데이터: CMS 실험에서 2016~2018 년에 수집된 $\sqrt{s} = 13$ TeV 양성자 - 양성자 충돌 데이터 (누적 광도 138 fb$^{-1}$) 를 사용했습니다.
• 분석 채널:
  • 0$\ell$ 채널: 고립된 렙톤이 없는 사건 (완전 강입자성 $WW$ 붕괴 및 비고립 렙톤 포함). 모든 생성 과정 (ggF, VBF, VH, $t\bar{t}$H) 을 포괄적으로 분석.
  • 1$\ell$ 채널: 고립된 렙톤 ($e$ 또는 $\mu$) 이 하나 포함된 사건. 이를 ggF(글루온 융합), VBF(벡터 보손 융합), VH(벡터 보손 연관 생성) 생성 메커니즘별로 세분화하여 분석.
• 재구성 및 식별 기술:
  • 대형 반지름 제트 (AK8 Jet): $p_T > 200$ GeV 인 AK8 제트를 $H$ 후보로 재구성.
  • PART (Particle Transformer) 알고리즘: 자기 주의 (self-attention) 메커니즘과 트랜스포머 아키텍처를 기반으로 한 머신러닝 모델. 제트 내의 복잡한 서브구조 (4-prong, 3-prong, 렙톤 포함 등) 를 식별하여 $H \to WW$ 신호를 배경과 구분합니다.
  • 미세 조정 (Fine-tuning): 1$\ell$ 채널의 경우, 제트 내부의 렙톤 식별 능력을 향상시키기 위해 PART 모델의 출력을 입력으로 하는 심층 신경망 (MLP) 을 사용하여 PART-FINETUNED 태그거를 개발했습니다. 이는 기존 태그거 대비 1% 배경 효율에서 60% 높은 신호 효율을 달성했습니다.
  • 칼리브레이션: 런드 제트 평면 (Lund Jet Plane, LJP) 리와이팅 (reweighting) 기술을 사용하여 시뮬레이션과 데이터 간의 제트 서브구조 분포 차이를 보정했습니다.
  • 중성미자 재구성: $H \to \ell\nu qq$ 붕괴의 경우, 누락된 횡방향 운동량 ($\vec{p}_T^{miss}$) 을 중성미자로 간주하고 제트 축과 정렬된다고 가정하여 힉스 보손의 4-운동량을 재구성하고 보정된 질량 ($m^*_j$) 을 계산했습니다.
• 배경 추정:
  • QCD 다중 제트: 데이터 기반 방법 (Transfer Function) 을 사용하여 제어 영역 (CR) 의 데이터를 신호 영역 (SR) 으로 전이하여 추정.
  • 기타 배경 ($W$+제트, $t\bar{t}$ 등): 시뮬레이션을 기반으로 하되, 데이터의 제어 영역을 통해 정규화 인자 (Scale Factor) 를 보정.
• 통계 분석: 신호 추출을 위해 $m^*_j$ (또는 $V$ 후보 제트 질량) 분포에 대한 binned maximum likelihood fit 을 수행했습니다.

3. 주요 기여 (Key Contributions)

• 최초의 고 부스트 $H \to WW$ 연구: 고도로 로런츠 부스트된 $H \to WW$ 붕괴에 대한 최초의 전용 탐색 연구를 수행했습니다.
• 고급 머신러닝 적용: 힉스 보손 식별을 위해 트랜스포머 기반의 PART 알고리즘을 적용하고, 1$\ell$ 채널의 특수한 위상 (제트 내 렙톤) 에 맞춰 미세 조정 (Transfer Learning) 기법을 도입하여 성능을 극대화했습니다.
• LJP 리와이팅 기술: 시뮬레이션의 제트 서브구조 모델링 불확실성을 줄이기 위해 LJP 리와이팅 기법을 신호 효율 보정에 성공적으로 적용했습니다.
• STXS (Simplified Template Cross Sections) 적용: 생성 단계의 $p_T$ bins 에 따라 신호 강도를 측정하여, 향후 다른 채널과의 결합 분석 및 정밀한 미분 단면적 측정을 가능하게 했습니다.

4. 결과 (Results)

• 신호 강도 ($\mu$): 측정된 단면적과 $H \to WW$ 분기비의 곱을 표준 모형 기대치로 나눈 값인 신호 강도는 다음과 같이 측정되었습니다.
  $$\mu = -0.19^{+0.48}_{-0.46}$$
  이는 표준 모형 기대치 ($\mu=1$) 와 통계적으로 일치하며, 배경 이상의 신호에 대한 증거가 없음을 의미합니다.
• 유의성 (Significance):
  • 관측된 유의성: 0.0$\sigma$ (최적 피트 값이 음수이므로).
  • 기대된 유의성: 1.86$\sigma$.
  • 관측된 결과는 표준 모형 기대치보다 2.1 표준 편차 아래에 위치하지만, 음수 신호 강도를 허용하는 통계적 처리를 통해 표준 모형과 모순되지 않는 것으로 결론지었습니다.
• 분포: Fig. 5~7 에서 보듯, 관측된 데이터는 배경 예측과 잘 일치하며, 신호가 예상되는 질량 영역 (약 125 GeV) 에서 과다한 초과가 관찰되지 않았습니다.

5. 의의 및 결론 (Significance)

• 표준 모형 검증: 고 $p_T$ 영역에서의 $H \to WW$ 채널에 대한 첫 번째 제한을 설정함으로써, 표준 모형의 예측을 다양한 붕괴 채널과 생성 메커니즘에서 종합적으로 검증하는 데 기여했습니다.
• 새로운 물리 탐색: 고 에너지 영역에서의 힉스 보손 행동에 대한 제약 조건을 제공하여, 표준 모형을 넘어서는 새로운 물리 현상 (예: 유효 장 이론에서의 편차) 을 탐색하는 데 중요한 기준을 마련했습니다.
• 기술적 발전: 복잡한 제트 위상 구조를 식별하기 위한 트랜스포머 기반 머신러닝 기법과 LJP 리와이팅 보정 기술의 성공적인 적용은 향후 고 에너지 물리 실험에서의 데이터 분석 방법론에 중요한 이정표가 됩니다.
• 향후 전망: 이 연구는 다른 붕괴 채널 ($H \to b\bar{b}, \tau\tau$ 등) 의 고 $p_T$ 측정 결과와 결합되어 힉스 보손의 성질에 대한 보다 정밀한 이해를 가능하게 할 것입니다.

요약: 이 논문은 138 fb$^{-1}$의 CMS 데이터를 활용하여 고 $p_T$ 힉스 보손의 $WW$ 붕괴 채널을 최초로 탐색했으며, 첨단 머신러닝 기법을 동원했으나 표준 모형 예측과 일치하는 결과 (신호 없음) 를 얻었습니다. 이는 힉스 보손 물리 연구의 중요한 한 페이지를 장식하는 성과입니다.