Search for pair-produced vector-like $T$-quarks decaying into $Ht$ final states in the lepton-plus-jets channel in $pp$ collisions at $\sqrt{s}$=13 TeV with the ATLAS detector

ATLAS 검출기의 13 TeV 양성자 - 양성자 충돌 데이터 139 fb$^{-1}$를 이용하여 본 연구는 렙톤과 제트 채널에서 힉스 - 탑 최종 상태로 붕괴하는 쌍생성 벡터 유사 $T$ 쿼크를 탐색하였으며, 표준 모형 예측 대비 유의미한 초과를 발견하지 못했고 $T$ 쿼크의 표현과 분지비에 따라 1.40~1.66 TeV 의 95% 신뢰수준 하한 질량 한계를 설정하였다.

핵심

이 논문은 일상적인 언어로 번역되었으며, 몇 가지 창의적인 비유가 추가되어 설명됩니다.

큰 그림: "무거운 쌍둥이"를 사냥하다

우주를 거대하고 초고속인 레이스 트랙 (대형 강입자 충돌기, LHC) 이라고 상상해 보세요. CERN 의 물리학자들은 경주 심판처럼 양성자를 빛의 속도에 가깝게 충돌시켜 어떤 일이 일어나는지 관찰합니다. 보통 이러한 충돌은 표준적인 자동차와 오토바이와 같은 예측 가능한 일련의 입자들을 만들어냅니다.

그러나 표준 모형 (현재의 물리학 규칙집) 에는 몇 가지 공백이 있습니다. 큰 질문 중 하나는 다음과 같습니다: 왜 힉스 보손 (다른 입자에 질량을 부여하는 입자) 은 그렇게 가벼운 것일까요? 이 "정교한 조정" 문제를 해결하기 위해 일부 이론들은 탑 쿼크 (현재 알려진 가장 무거운 입자) 의 "무거운 쌍둥이"가 존재할 것이라고 제안합니다. 이를 벡터-유사 T-쿼크라고 부릅니다.

이 논문은 ATLAS 실험 팀의 보고서로, 다음과 같은 내용을 담고 있습니다: "우리는 이 무거운 쌍둥이를 찾기 위해 매우 열심히 노력했지만, 발견하지는 못했습니다. 그러나 이제 우리는 만약 그들이 존재한다면 이전보다 더 무거워야만 한다고 높은 확신으로 말할 수 있습니다."

전략: "헤비급 권투 경기"

이 T-쿼크들은 매우 무겁기 때문에 생성하기 어렵습니다. 그리고 생성되더라도 오래 지속되지 않습니다. 즉시 다른 입자로 붕괴 (decay) 합니다.

팀들은 특정 시나리오를 찾기 위해 결정했습니다:

1. 쌍: 두 개의 T-쿼크가 동시에 생성되는 것을 찾습니다 (링에 들어서는 한 쌍의 헤비급 권투 선수처럼).
2. 붕괴: 적어도 하나가 힉스 보손과 탑 쿼크로 붕괴합니다.
3. 흔적: 힉스 보손은 두 개의 "바닥" 쿼크로 분리되고, 탑 쿼크는 가벼운 입자 (전자 또는 뮤온), 유령 같은 중성미자, 그리고 또 다른 바닥 쿼크로 분리됩니다.

비유: 거대한 과수원에서 특정 종류의 희귀하고 무거운 과일 (T-쿼크) 을 찾으려 한다고 상상해 보세요. 이 과일이 떨어지면 특정한 씨앗과 주스의 조합으로 갈라진다는 것을 알고 있습니다. 과일 자체를 찾는 대신, 그 과일이 남기는 독특한 씨앗과 주스의 더미를 찾습니다.

탐정 작업: 소음 분류하기

문제는 과수원에 항상 regular 과일들이 떨어지고 있다는 점입니다 (표준 모형 배경). 팀은 희귀한 신호를 찾기 위해 소음을 걸러내야 했습니다.

• "재클러스터링" 트릭: 무거운 입자가 붕괴할 때 매우 빠르게 이동하기 때문에 파편 (입자 제트) 이 뭉쳐집니다. 팀은 "가변 반경 제트 (variable-radius jets)"라는 특수 기술을 사용했습니다. 이는 사물의 이동 속도에 따라 자동으로 줌인하거나 줌아웃하는 스마트 카메라 렌즈를 사용하는 것과 같습니다. 이렇게 하면 매우 빠르게 움직이는 경우에도 전체 "파편 더미"를 정확하게 포착할 수 있습니다.
• 신경망 (AI 탐정): 그들은 컴퓨터 뇌 (신경망) 를 훈련시켜 이러한 파편 더미의 모양, 속도, 배열을 살펴보게 했습니다. 이는 개가 특정 냄새를 맡아내도록 가르치는 것과 같습니다. AI 는 일반적인 충돌에서 발생하는 messy하고 무작위적인 파편과 무거운 T-쿼크 붕괴에서 나오는 깔끔하고 구조화된 파편을 구별하는 법을 배웠습니다.

결과: "찾지 못했지만, 그들이 어디에 없는지는 압니다"

139 "역 펨토바른 (inverse femtobarns)"의 데이터를 분석한 후 (이는 충돌기 가동 수년에 해당하는 방대한 양의 충돌 데이터), 팀은 이 무거운 T-쿼크에 대한 증거를 찾지 못했습니다. 데이터는 정상적인 물리학 예측과 완벽하게 일치했습니다.

그들이 그들을 찾지 못했기 때문에, T-쿼크가 있을 수 있는 곳에 "울타리"를 쳤습니다. 이제 그들은 특정 무게보다 가벼운 T-쿼크를 배제할 수 있습니다:

• T-쿼크가 "싱글렛 (특정 유형의 입자)"이라면, 1.40 TeV보다 무거워야 합니다.
• "더블렛"이라면 1.56 TeV보다 무거워야 합니다.
• 힉스와 탑 쿼크로만 붕괴한다면 (100% 의 경우), 1.66 TeV보다 무거워야 합니다.

비유: 들판에 숨겨진 보물 상자를 찾으려 한다고 상상해 보세요. 당신은 들판 전체를 파헤쳤지만 아무것도 찾지 못했습니다. 상자가 존재하지 않는다고 말할 수는 없지만, "상자가 있다면 10 피트보다 더 깊이 묻혀 있어야 합니다. 왜냐하면 그 위쪽은 모두 파냈기 때문입니다"라고 말할 수는 있습니다. 이 논문은 그 누구보다 더 깊게 파헤쳐 "매장 깊이" 한계를 더 아래로 밀어냈습니다.

이것이 중요한 이유

이는 지금까지 수행된 가장 민감한 탐색입니다. 더 많은 데이터 (이전 36 fb⁻¹ 대비 139 fb⁻¹) 와 더 나은 AI 도구를 사용하여 ATLAS 팀은 우리의 지식 한계를 넓혔습니다. 그들은 "무거운 쌍둥이"를 찾지는 못했지만, 가벼운 질량 범위에서 숨어있지 않음을 증명함으로써 물리학자들이 이론을 재고하거나 미래에 더 높은 에너지에서 이러한 입자를 찾도록 강요하고 있습니다.

간단히 말해: 무거운 T-쿼크에 대한 사냥은 계속되지만, 검색 구역은 크게 좁혀졌습니다. 그들이 그곳에 있다면, 우리가 희망했던 것보다 더 무겁고 찾기 더 어렵습니다.

기술 요약

기술적 요약: Ht 최종 상태로 붕괴하는 쌍생성 벡터 유사 T-쿼크 탐색

문제 및 동기
입자물리학의 표준 모형 (SM) 은 전약력 질량 척도와 플랑크 척도 사이의 큰 불균형에 관한 계층 문제 (hierarchy problem) 에 직면해 있습니다. 제안된 해결책 중 하나는 벡터 유사 쿼크 (VLQs) 를 표준 모형에 추가하여 힉스 보손 질량에 대한 2 차 발산 방사 보정을 상쇄하는 것입니다. 본 논문은 주로 3 세대 표준 모형 쿼크와 결합할 것으로 예상되는 쌍생성 업형 벡터 유사 T-쿼크에 대한 탐색을 제시합니다. 본 분석은 적어도 하나의 T-쿼크가 힉스 보손과 탑 쿼크로 붕괴 ($T \to Ht$) 하고, 이후 $H \to b\bar{b}$ 및 $t \to \ell \nu_\ell b$ (여기서 $\ell = e, \mu$) 로 붕괴하는 붕괴 채널을 구체적으로 대상으로 합니다. 이 탐색은 중심 질량 에너지 $\sqrt{s} = 13$ TeV 의 양성자 - 양성자 충돌 데이터를 사용하여 렙톤 및 제트 최종 상태에서 수행되었습니다.

방법론
본 분석은 대형 강입자 충돌기 (LHC) 의 ATLAS 검출기가 수집한 전체 Run 2 데이터셋을 활용하며, 이는 139 fb$^{-1}$의 적분 광도에 해당합니다.

• 사건 재구성 및 선택: 신호 위상은 정확히 하나의 고립된 전자 또는 뮤온, 상당한 결손 횡방향 운동량 ($E_T^{\text{miss}}$), 그리고 $b$-태그된 제트를 포함한 여러 제트로 특징지어집니다. 무거운 공명 입자의 부스팅 (boosted) 성질을 처리하기 위해, 본 분석은 작은 $R$ 제트의 재클러스터링을 통해 재구성된 가변 반지름 ($R_{\text{eff}}$) 제트를 사용합니다. 이러한 제트는 강입자적으로 붕괴하는 $W$, $H$, 그리고 탑 쿼크의 후보를 식별하기 위해 질량 태그가 부여됩니다. 렙톤성 탑 쿼크 후보는 렙톤성 $W$-보손 후보와 $b$-태그된 제트를 결합하여 재구성됩니다.
• 배경 모델링 및 재가중치: 지배적인 배경은 탑 쿼크 쌍생성 ($t\bar{t}$), 단일 탑, 그리고 $V$+제트 과정입니다. 시뮬레이션과 데이터 간의 불일치, 특히 고 제트 다중성 및 횡방향 운동량에서의 $t\bar{t}$ 및 $V$+제트 단면적 모델링 문제를 해결하기 위해, $Z$+제트 및 $t\bar{t}$ 사건이 풍부한 제어 영역을 기반으로 한 반복적 데이터 기반 재가중치 기법이 적용됩니다. 이는 배경 분포의 정규화 및 형태를 보정합니다.
• 다변량 분석: 신호와 배경을 구별하기 위해 피드 - 포워드 신경망 (NN) 이 사용됩니다. 분류기는 운동량 특성 (예: 유효 질량 $m_{\text{eff}}$, 가변-$R$ 제트의 횡방향 운동량) 과 위상학적 특징 (예: 각도 분리, 구성 요소 다중성) 을 포함한 30 개의 입력 변수를 활용합니다. NN 은 시뮬레이션된 신호 및 배경 샘플로 훈련됩니다.
• 사건 분류: 사건은 NN 출력 점수 ($h_{\text{NN}}$), $b$-태그된 제트의 수 (2, 3, 또는 $\ge 4$), 그리고 $H$-태그된 제트의 존재 여부에 따라 신호 영역 (SRs) 과 제어 영역 (CRs) 으로 분류됩니다. NN 점수 임계값에 따라 세 가지 SR 카테고리가 정의됩니다: High-NN(HNN), Mid-NN(MNN), 그리고 Low-NN(LNN). 신호 순도는 낮지만 배경 통계량이 높은 LNN 영역은 통계적 피팅에서 배경 정규화를 제약하는 데 사용됩니다.
• 통계적 분석: 모든 분석 영역에 걸친 유효 질량 ($m_{\text{eff}}$) 분포에 대해 이분할 프로파일 가능도 피팅이 수행됩니다. 이 피팅에는 체계적 불확실성 (실험적 및 이론적) 에 대한 방해 변수 (nuisance parameters) 와 특정 배경 구성 요소 ($t\bar{t}+c$ 및 $t\bar{t}+b$) 에 대한 자유 정규화 인자가 포함됩니다.

주요 기여

• 개선된 배경 모델링: 데이터 기반 재가중치 기법의 구현은 무거운 공명 탐색과 관련된 운동량 영역에서 특히 $t\bar{t}$ 및 $V$+제트 배경에 대해 데이터와 표준 모형 예측 간의 일치를 크게 향상시켰습니다.
• 향상된 신호 구별: 렙톤성 탑 쿼크 후보의 명시적 재구성과 쌍생성 무거운 입자의 등방성 (back-to-back) 위상학을 활용하는 신경망 분류기의 사용은 이 채널에서 이전 ATLAS 탐색보다 우수한 분리 능력을 제공합니다.
• 포괄적인 시나리오 테스트: 본 탐색은 SU(2) 단일항, SU(2) 이중항, 그리고 분지비 $B(T \to Ht)$가 100% 로 설정된 시나리오라는 세 가지 서로 다른 벤치마크 시나리오 하에서 결과를 해석합니다.

결과
어떤 분석 영역에서도 표준 모형 예측을 초과하는 유의미한 사건 초과가 관측되지 않았습니다. 따라서 벡터 유사 T-쿼크의 쌍생성 단면적에 대한 상한이 95% 신뢰 수준 (CL) 에서 설정되었습니다.

관측된 T-쿼크의 하한 질량은 다음과 같습니다:

• 1.40 TeV: SU(2) 단일항 표현의 경우.
• 1.56 TeV: SU(2) 이중항 표현의 경우.
• 1.66 TeV: $B(T \to Ht) = 100\%$인 시나리오의 경우.

이러한 한계는 SU(2) 이중항 및 $B(T \to Ht) = 100\%$ 시나리오에 대해 현재까지 가장 엄격한 제약 조건을 나타내며, 이전 배제 한계를 각각 0.07 TeV 와 0.16 TeV 확장한 것입니다. SU(2) 단일항 시나리오의 경우, 이 결과는 이전 ATLAS 한계를 0.04 TeV 개선한 것입니다. 본 분석은 주로 통계적 불확실성에 의해 제한되는 것으로 지적됩니다.

의의
본 논문은 이러한 결과가 지정된 붕괴 채널 및 게이지 표현에 대한 벡터 유사 T-쿼크에 대해 현재 이용 가능한 가장 엄격한 배제 한계를 제공한다고 주장합니다. 전체 Run 2 데이터셋과 고급 분석 기법 (재가중치 및 기계 학습) 을 활용함으로써, 이 탐색은 이전 ATLAS 분석보다 더 높은 질량 범위를 효과적으로 탐구합니다. 저자들은 현재 탐색이 통계적으로 제한적이지만, Run 3 및 고광도 LHC 에서 예상되는 데이터 양의 증가가 더 높은 질량으로의 감도 확장에 상당한 잠재력을 제공한다고 지적합니다. 사건 수, 체계적 불확실성, 그리고 통계적 워크스페이스를 포함하여 HEPData 를 통해 결과의 재해석이 가능하도록 제공됩니다.