Search for new particles decaying into top quark-antiquark pairs in proton-proton collisions at $\sqrt{s}$ = 13 TeV

이 논문은 2016~2018 년 CMS 검출기에서 기록된 138 fb$^{-1}$의 13 TeV 양성자 - 양성자 충돌 데이터를 활용하여 $\mathrm{t\bar{t}}$ 쌍으로 붕괴하는 새로운 입자 (무거운 Z' 보손, 칼루자 - 클라인 글루온, 암흑 물질 매개자, 2-Higgs-doublet 모델의 스칼라 및 의사스칼라 힉스 보손 등) 를 탐색하고, 기존 연구보다 엄격한 배제 한계를 설정한 결과를 보고합니다.

핵심

거대한 입자 가속기에서의 '보이지 않는 친구' 찾기: CERN CMS 실험 결과 설명

이 논문은 스위스 제네바에 있는 **CERN(유럽 입자 물리 연구소)**의 거대한 입자 가속기인 LHC에서 진행된 실험 결과를 담고 있습니다. 연구진은 2016 년부터 2018 년까지 수집된 방대한 데이터를 분석하여, 우리가 아직 발견하지 못한 새로운 입자가 존재하는지 찾아냈습니다.

이 복잡한 과학적 내용을 일상적인 비유로 쉽게 풀어보겠습니다.

---

1. 실험의 배경: 거대한 부딪힘과 '톱' 조각

• 상황: LHC 는 양성자 두 개를 광속에 가깝게 가속시켜 서로 충돌시키는 거대한 기계입니다. 마치 거대한 두 개의 시계 태엽을 매우 빠르게 돌려 부딪히는 것과 같습니다.
• 목표: 이 충돌에서 나오는 파편들을 분석하여 새로운 입자를 찾는 것입니다. 특히 이 연구는 **'톱 쿼크 (Top Quark)'**라는 가장 무거운 입자 두 개가 쌍으로 만들어지는 현상에 집중했습니다.
• 비유: 톱 쿼크는 입자 세계의 **'최고급 다이아몬드'**와 같습니다. 매우 무겁고 값비싸기 때문에, 이 다이아몬드가 만들어지려면 엄청난 에너지가 필요합니다. 연구진은 이 다이아몬드 두 개가 동시에 튀어나오는 현상을 지켜보며, 그 뒤에 숨겨진 **'보이지 않는 친구 (새로운 입자)'**가 있었는지 확인하려 했습니다.

2. 어떻게 찾았나? 3 가지 시나리오로 나누기

연구진은 충돌로 생긴 파편들을 3 가지 다른 방식으로 분류하여 분석했습니다. 마치 수영장에서 물속을 찾는 방법을 다르게 적용하는 것과 같습니다.

1. 모든 것이 폭발한 경우 (0 개의 렙톤):

   • 충돌 후 전자나 뮤온 같은 '빛나는 입자'가 전혀 나오지 않고, 오직 **쿼크 조각들 (제트)**만 날아갈 때입니다.
   • 비유: 폭죽이 터져서 오직 불꽃과 연기만 날아갈 때입니다. 연구진은 이 복잡한 연기 속에서 '톱 쿼크' 모양을 가진 불꽃을 찾아내기 위해 **고급 인공지능 (DEEPAK8)**을 사용했습니다. 마치 연기 속에서 특정 모양의 불꽃을 자동으로 찾아내는 스마트 카메라 같은 역할입니다.

2. 하나의 빛이 나온 경우 (1 개의 렙톤):

   • 충돌 후 전자나 뮤온 하나가 빛을 내며 날아갈 때입니다.
   • 비유: 폭죽이 터져 한 줄기 빛이 쏘아올라갈 때입니다. 연구진은 이 빛을 따라가며, 나머지 파편들이 어떻게 움직였는지 정밀하게 추적했습니다.

3. 두 개의 빛이 나온 경우 (2 개의 렙톤):

   • 충돌 후 전자나 뮤온 두 개가 동시에 날아갈 때입니다.
   • 비유: 폭죽이 터져 두 줄기의 빛이 동시에 쏘아올라갈 때입니다. 이 경우 중성미자라는 '보이지 않는 입자'가 두 개나 섞여 있어 계산이 어렵지만, 연구진은 전체 에너지의 합을 계산하여 새로운 입자의 흔적을 찾아냈습니다.

3. 무엇을 발견했나? (결과는 '없음'이지만 중요함)

연구진은 **"새로운 무거운 입자 (Z' 보손, 칼루자 - 클라인 글루온, 암흑 물질 매개자 등)"**가 존재한다면, 특정 질량 범위에서 톱 쿼크 쌍이 갑자기 많이 만들어져야 한다고 예측했습니다.

• 결과: 하지만 데이터를 꼼꼼히 살펴본 결과, 예상했던 새로운 입자의 흔적은 전혀 발견되지 않았습니다.
• 해석: 이는 "새로운 입자가 없다"는 뜻이 아니라, **"만약 그런 입자가 있다면, 우리가 생각했던 질량 범위 (예: 0.4~7.4 TeV) 에는 존재하지 않는다"**는 것을 의미합니다.
• 비유: 마치 유령이 있을 것 같은 어두운 숲을 비추는 강력한 손전등으로 샅샅이 훑어본 결과, **"유령은 이 숲의 이쪽 구석에는 없다"**는 것을 확인한 것과 같습니다. 유령이 아예 없는 건 아닐지라도, 우리가 찾은 곳에는 없다는 것이 증명된 것입니다.

4. 구체적인 제한 사항 (무엇을 배제했는가?)

연구진은 다음과 같은 새로운 입자들이 특정 질량 범위에서 존재할 가능성을 95% 확신으로 배제했습니다.

• Z' 보손 (무거운 입자): 0.4 TeV 에서 7.4 TeV 사이의 질량을 가진 입자는 존재하지 않음. (너무 무거우면 만들 수 없고, 너무 가벼우면 이미 발견되었을 텐데 없었음)
• 칼루자 - 클라인 글루온 (여분 차원의 입자): 0.5~5.5 TeV 사이에서 배제됨.
• 암흑 물질 매개자: 1.0~4.2 TeV 사이에서 배제됨.
• 2 개의 힉스 입자 모델: 0.5~1.0 TeV 사이의 특정 입자들도 배제됨.

5. 왜 이 결과가 중요한가?

• 가장 엄격한 기준: 이전까지의 어떤 실험보다 더 정밀하고 넓은 범위를 조사하여, **"이제까지 우리가 아는 물리 법칙 (표준 모형) 밖에서 이 영역에 새로운 입자가 없다는 것을 가장 확실하게 증명"**했습니다.
• 미래를 위한 나침반: "무엇이 없는가"를 아는 것은 "무엇을 찾아야 하는가"를 알려줍니다. 이제 물리학자들은 배제된 범위를 제외하고, 더 무겁거나 더 가벼운 영역, 혹은 완전히 다른 형태의 새로운 입자를 찾아야 합니다.

요약

이 논문은 CERN 의 거대한 입자 충돌기에서 톱 쿼크 쌍을 만들어내는 과정을 정밀하게 분석하여, 새로운 무거운 입자가 특정 질량 범위에는 존재하지 않는다는 것을 증명했습니다. 이는 마치 유령 사냥을 하다가 "이 숲에는 유령이 없다"는 것을 확인한 것과 같으며, 이제 물리학자들은 더 깊은 곳이나 다른 곳에서 새로운 비밀을 찾아야 함을 의미합니다.

기술 요약

논문 개요

제목: 13 TeV 양성자 - 양성자 충돌에서 탑 쿼크 - 반쿼크 쌍으로 붕괴하는 새로운 입자 탐색
저자: CMS 협업 (CERN)
데이터: 2016~2018 년 수집된 13 TeV 충돌 데이터 (누적 광도 138 fb⁻¹)

1. 연구 배경 및 문제 제기 (Problem)

• 배경: 탑 쿼크는 알려진 페르미온 중 가장 무겁고, 힉스 장과의 결합이 매우 강합니다. 이는 표준 모형 (SM) 을 넘어서는 새로운 물리 (BSM) 와 전자기력 - 약력 규모와 플랑크 규모 사이의 차이를 설명하는 데 중요한 단서가 될 수 있습니다.
• 문제: 기존 ATLAS 및 CMS 실험은 주로 공명 (resonant) 신호에 초점을 맞추었으나, 본 연구는 공명 및 비공명 (non-resonant) BSM 신호 모두에 민감한 탐색을 목표로 합니다.
• 목표: 탑 쿼크 쌍 ($t\bar{t}$) 생성 과정에서 새로운 중입자 (예: $Z'$ 보손, 칼루자 - 클라인 글루온, 암흑 물질 매개체, 2 힉스 이중항 모델의 중 힉스 보손 등) 의 존재를 탐색하고, 이를 통해 기존 연구보다 엄격한 제한을 설정하는 것입니다.

2. 방법론 (Methodology)

가. 데이터 및 채널 분석

• 데이터: 138 fb⁻¹의 13 TeV 충돌 데이터 (2016-2018).
• 분석 채널: 탑 쿼크 쌍의 모든 붕괴 모드를 포괄하기 위해 3 가지 채널로 분류하여 분석합니다.
  1. 0 레프톤 (All-hadronic): 두 탑 쿼크 모두 강입자로 붕괴.
  2. 1 레프톤 (Single-lepton): 한 탑 쿼크는 강입자, 다른 하나는 렙톤으로 붕괴.
  3. 2 레프톤 (Dilepton): 두 탑 쿼크 모두 렙톤으로 붕괴.
  • 참고: $\tau$ 렙톤은 명시적으로 배제되지 않아 배경 또는 신호에 포함됨.

나. 사건 선택 및 재구성 기술

• 0 레프톤 채널:
  • DEEPAK8 알고리즘: 고에너지 (Large Lorentz Boost) 탑 쿼크를 식별하기 위한 딥러닝 기반 $t$-태깅 (Top tagging) 사용.
  • 배경 추정: 기존 1D 사이드밴드 방법이 아닌, **2D 적합 (2D fit)**을 통해 제트 질량 ($m_t$) 과 $t\bar{t}$ 불변 질량 ($m_{tt}$) 분포를 동시에 분석하여 QCD 배경을 데이터 기반 (Control Region) 으로 추정.
• 1 레프톤 채널:
  • 최적화: 레프톤 $p_T$ 및 결손 횡방향 운동량 ($p_T^{miss}$) 임계값을 낮추어 민감도 향상.
  • DNN 분류: $t\bar{t}$, 단일 탑, V+jets 배경을 구분하기 위해 새로운 DNN 사용.
  • 스핀 상관 변수: $\cos(\theta^*)$ 변수를 도입하여 스핀 0/1 신호와 SM 배경의 각도 분포 차이를 활용.
  • 토폴로지: '해상 (Resolved)'과 '병합 (Merged)' 토폴로지로 분류.
• 2 레프톤 채널:
  • 변수: 두 중성미자로 인해 $m_{tt}$ 재구성이 어렵기 때문에, 모든 객체의 횡방향 운동량 합인 $S_T$ 변수를 사용.
  • 분류: 레프톤과 가장 가까운 제트 사이의 각도 거리 합 ($\Delta R_{sum}$) 을 기반으로 병합/해상 영역 구분.

다. 시뮬레이션 및 배경 모델링

• 신호 모델: $Z'$ (스핀 1), $g_{KK}$ (Randall-Sundrum 모델), 암흑 물질 매개체 ($Z'_{DM}$), 2HDM 모델의 스칼라/의스칼라 보손 ($H/A$) 등 다양한 시나리오 고려.
• 배경: $t\bar{t}$, 단일 탑, W/Z+jets, QCD 다중 제트 등. QCD 배경은 데이터 기반 ABCD 방법 (2D 적합) 으로 추정.
• 통계 분석: 프로파일 가능도 비율 (Profile Likelihood Ratio) 을 사용한 CLs 방법으로 95% 신뢰수준 (CL) 의 상한선 설정.

3. 주요 기여 및 개선점 (Key Contributions)

1. 최고의 민감도: 기존 CMS 분석 (Ref [16]) 대비 모든 채널에서 실질적인 개선을 이루었으며, 현재까지 $t\bar{t}$ 최종 상태에서 제시된 **가장 엄격한 제한 (Limits)**을 설정함.
2. 고급 기계학습 활용:
   • 0 레프톤 채널에서 DEEPAK8 알고리즘을 통한 정교한 $t$-태깅.
   • 1 레프톤 채널에서 배경/신호 분리를 위한 전용 DNN 및 스핀 민감 변수 도입.
3. 정교한 배경 추정: 0 레프톤 채널에서 QCD 배경을 시뮬레이션이 아닌 데이터 기반 2D 적합 ($m_t$ vs $m_{tt}$) 으로 추정하여 시스템 불확실성을 줄임.
4. 광범위한 모델 탐색: 기존 연구에서 다루지 않았던 암흑 물질 매개체와 **2HDM 모델의 저질량 영역 (0.5–1 TeV)**을 포함한 다양한 BSM 시나리오를 포괄적으로 분석.

4. 주요 결과 (Results)

가. 중공명 (Heavy Resonance) 제한

• Leptophobic $Z'$ 보손:
  • 상대적 폭 1%: 질량 0.4–4.8 TeV 제외.
  • 상대적 폭 10%: 질량 0.4–6.2 TeV 제외.
  • 상대적 폭 30%: 질량 0.4–7.4 TeV 제외.
• Randall-Sundrum 모델의 Kaluza-Klein 글루온 ($g_{KK}$): 질량 0.5–5.5 TeV 제외.
• 암흑 물질 매개체 ($Z'_{DM}$): 질량 1.0–4.2 TeV 제외.

나. 2HDM 모델 (Scalar/Pseudoscalar) 제한

• 1 레프톤 채널을 사용하여 스칼라 ($H$) 및 의스칼라 ($A$) 보손에 대한 결합 상수 수정자 ($\mu = g_{\Phi tt}^4$) 에 대한 상한선 설정.
• 질량 범위 0.5–1.0 TeV, 상대적 폭 2.5%, 10%, 25% 에 대해 제한 설정.
• 800 GeV 이상의 질량 영역에서 이전 CMS 결과보다 민감도가 향상됨.

다. 불확실성 분석

• 전체 불확실성의 약 60% 는 통계적 요인, 40% 는 계통적 요인에서 기인.
• 계통적 요인 중 탑 쿼크 모델링 (생산률, $t$-태깅 효율, $p_T$ 스펙트럼 모델링) 이 가장 큰 기여를 함.

5. 의의 및 결론 (Significance)

• 표준 모형 검증: 13 TeV 충돌 데이터에서 $t\bar{t}$ 생성에 대한 정밀 측정을 통해 표준 모형의 예측과 일치함을 확인 (데이터와 배경 예측 간 좋은 일치).
• 새로운 물리 탐색의 한계 설정: 다양한 BSM 모델에 대해 현재까지 가장 엄격한 질량 제한을 설정함으로써, 향후 새로운 입자 탐색의 방향성을 제시함.
• 기술적 진보: 고에너지 탑 쿼크 식별을 위한 머신러닝 기법 (DEEPAK8) 과 데이터 기반 배경 추정법의 성공적인 적용은 향후 고광도 LHC (HL-LHC) 시대의 분석에 중요한 기반이 됨.
• 저질량 영역 탐색: 2HDM 모델의 저질량 영역 (0.5–1 TeV) 에서의 민감도 확보는 이전 분석의 공백을 메우는 중요한 성과입니다.

이 연구는 탑 쿼크 쌍 생성 채널을 통한 BSM 물리 탐색의 새로운 표준을 제시하며, 고에너지 물리학의 미해결 과제인 새로운 입자 탐색에 있어 결정적인 제약 조건을 제공합니다.