Top Spin and CP from Equivariant Transformers

기술 요약: 등변 트랜스포머(Equivariant Transformers)를 통한 탑 스핀 및 CP 분석

문제 정의
거대 강입자 가속기(LHC)의 정밀도 프로그램은 근본적인 특성, 특히 스핀 상관관계와 CP 위반을 조사하기 위해 탑 쿼크(top quark)에 크게 의존하고 있습니다. 순수하게 경입자(leptonic)로 붕괴하는 탑 쿼크의 스핀 상관관계는 잘 측정되어 왔으나, $W$-보존 붕괴 생성물 중에서 다운 타입 쿼크($d$)를 식별하는 어려움으로 인해 강입자(hadronic) 붕괴로의 확장은 여전히 도전 과제로 남아 있습니다. 단순한 운동학적 할당부터 보정된 확률 및 그래프 신경망(GNN)에 이르는 현재의 방법들은 최적의 스핀 분석력(spin analyzing power)을 달도하는 데 실패하고 있습니다. 또한, CP 위반을 위한 최적의 관측량을 구성하는 것은 탑 쌍 생성(top pair production)에서 어렵습니다. 전통적인 CP-홀(CP-odd) 관측량은 레비-치비타 텐서(Levi-Civita tensor)에 의존하며, 위상 공간 상관관계를 명시적으로 구축해야 하는데, 이는 검출기 효과가 존재하는 상황에서 종종 최적이 아니거나 명시적으로 정의하기 어렵습니다.

방법론
저자들은 기하 대수(geometric algebra, 클리포드 대수 $Cl_{1,3}(\mathbb{R})$)에 기반한 로런츠 등변(Lorentz-equivariant) 트랜스포머 아키텍처인 L-GATr-slim을 사용합니다. 이 방법론은 두 가지 주요 응용 분야로 나뉩니다:

1. 강입자 탑 편광(Hadronic Top Polarization):

   • 저자들은 L-GATr-slim을 사용하여 강입자 $W$ 붕괴로부터 두 개의 경질 쿼크 제트를 분류하여 다운 타입 쿼크를 식별합니다.
   • 네트워크 입력에는 4-모멘텀(벡터), 입자 ID, 전하, 그리고 스칼라로 인코딩된 운동학적 특징들이 포함됩니다.
   • 대칭성 요구 사항을 처리하기 위해, 아키텍처는 표준 스칼라 및 벡터 채널과 함께 의사스칼라(pseudoscalar) 채널을 포함하도록 수정되었습니다. 이를 통해 네트워크가 CP-짝(CP-even) 정보와 CP-홀(CP-odd) 정보를 구별할 수 있게 합니다.
   • 출력은 보정된 확률 $p(d=q_{hard}|x)$이며, 이는 최적의 "다운-프로브 벡터(down-probe vector)" $\vec{k}_{opt}$를 구성하는 데 사용됩니다. 이 벡터는 단순한 할당 방식을 대체하여 헬리시티 각(helicity angle)의 재구성을 크게 개선합니다.

2. 탑 쌍 및 WBF Higgs에서의 CP 위반:

   • 저자들은 스칼라(CP-짝)와 의사스칼라(CP-홀) 출력을 분리하도록 L-GATr-slim 아키텍처를 확장했습니다.
   • 이론적 기초: 네트워크는 CP-켤레 과정(예: $f_+$ 대 $f_-$)을 구별하도록 훈련됩니다. 이론적 논거에 따르면, 최적의 분류기 출력은 로그-우도 비(log-likelihood ratio)에 해당하며, 여기서 의사스칼라 성분 $p(x)$는 최적의 CP-홀 관측량으로 수렴하고, 스칼라 성분 $s(x)$는 CP-짝 운동학적 차이를 포착합니다.
   • 응용:
     • WBF Higgs 생성: CP 위반을 유도하는 차원-6 SMEFT 연산자($c_{H\tilde{W}}$)가 있는 사건을 표준 모델(SM) 사건과 구별하기 위해 파톤 수준(parton level)에서 테스트되었습니다.
     • 탑 쌍 생성: 크로모자기적 쌍극자 연산자(chromomagnetic dipole operator) 내의 복소 윌슨 계수 $Im(c_{tG})$가 있는 사건을 구분하기 위해 검출기 수준(Delphes를 통한 전체 시뮬레이션 포함)에서 테스트되었습니다. 과제는 CP 위반의 존재를 식별하는 것과 간섭 항의 부호를 결정하는 것을 모두 포함합니다.

주요 기여

• 개선된 스핀 분석력: 논문은 L-GATr-slim이 강입자 탑 붕괴에서 다운 타입 쿼크를 태깅하는 데 있어 기존 방법들(단순 할당, W-헬리시티 프로브 및 GNN)보다 성능이 우수함을 입증합니다.
• CP 분리를 위한 아키텍처: 저자들은 스칼라와 의사스칼라 멀티벡터 요소를 명시적으로 분리하는 특정 L-GATr-slim 아키텍처 수정을 도입했습니다. 이를 통해 네트워크가 수동적인 구축 없이 데이터로부터 직접 최적의 CP-홀 관측량을 학습하고 해석할 수 있습니다.
• 최적의 CP 관측량: 연구는 학습된 의사스칼라 출력이 CP-켤레 상태를 구별하고 CP 위반 윌슨 계수의 부호를 결정할 수 있는 최적의 CP-홀 관측량(로그-우도 비와 동일)으로 작용함을 보여줍니다.

결과

• 다운-쿼크 태깅:
  • 분류기는 다운 쿼크 플래버를 구별하는 데 있어 $0.785 \pm 0.001$의 AUC를 달성했습니다.
  • 결과적으로 얻은 스핀 분석력은 검출기 수준에서 $\beta_{L-GATr} = 0.721 \pm 0.001$입니다. 이는 GNN 벤치마크($\beta_{GNN} \approx 0.68$) 및 W-헬리시티 프로브($\beta \approx 0.64$)에 비해 유의미한 향상입니다.
  • 네트워크 신뢰도가 가장 높은 상위 20%의 사건을 선택함으로써, 스핀 분석력은 $0.935 \pm 0.002$에 도달합니다.
• WBF Higgs에서의 CP 위반:
  • SM과 $c_{H\tilde{W}} = +1$을 구별할 때, 네트워크는 $0.607$의 AUC를 달성합니다. 스칼라 출력은 CP-짝 간섭을 포착하고, 의사스칼라 출력은 CP-홀 간섭을 고립시킵니다.
  • $c_{H\tilde{W}} = +1$과 $c_{H\tilde{W}} = -1$(순수 CP-홀 과제)을 구별할 때, 네트워크는 거의 전적으로 의사스칼라 출력에 의존하여 $0.691$의 AUC를 달성합니다.
• 탑 쌍에서의 CP 위반:
  • SM과 $Im(c_{tG}) = 2.6$을 구별할 때, 네트워크는 각각 $0.565$(참 다운 쿼크)와$0.556$(태그된 다운 쿼크)의 AUC를 달성합니다. 스칼라 출력이 운동학적 변화로 인해 이 분류를 지배하지만, 의사스칼라 출력은 CP-홀 간섭을 정확히 식별합니다.
  • $Im(c_{tG})$의 부호 결정($+2.6$과 $-2.6$구별)을 위해, 네트워크는$0.551$의 AUC를 달성합니다. 의사스칼라 출력이 명확한 분리를 제공하며, 학습된 최적의 관측량으로서 기능합니다.
  • $Im(c_{tG}) = 2.6$에 대한 비대칭성 $A_{OL-GATr}$은 $0.0733$(경입자-경입자) 및$0.0518$(경입자-강입자)로 나타났습니다. 저자들은$Im(c_{tG}) = 2.6$인 경우, L-GATr-slim에서 학습된 관측량이 경입자-강입자 채널에서 기존의 $O_1$ 관측량보다 실질적으로 개선됨을 발견했으며, $Im(c_{tG}) = 0.1$인 경우에는 통계적 불확실성 내에서 서로 일치함을 확인했습니다.

의의 및 주장
본 논문은 기하 대수에 기반한 로런츠 등변 트랜스포머가 LHC의 BSM(Beyond Standard Model) 물리학 탐색을 위한 강력한 프레임워크를 제공한다고 주장합니다. 네트워크 아키텍처에 근본적인 대칭성(로런츠 및 CP)을 직접 통합함으로써, 저자들은 다음을 입증했습니다:

1. 강입자 탑 붕괴에서의 스핀 분석력을 크게 높일 수 있으며, 이는 탑 편광 측정의 오랜 병목 현상을 해결합니다.
2. 명시적이고 종종 최적이 아닌 분석적 구축을 건너뛰고, 데이터로부터 직접 최적의 CP-홀 관측량을 학습할 수 있습니다.
3. 스칼라와 의사스칼라 채널의 분리는 네트워크 출력을 별개의 물리량(CP-짝 대 CP-홀)으로 해석할 수 있게 하여, 검출기 효과가 존재하는 상황에서도 CP 위반 파라미터를 추출하는 것을 용이하게 합니다.

저자들은 이 접근 방식이 잘 정의된 로런츠 표현을 가진 출력 채널을 통해 BSM 물리학에 관한 관련 정보에 접근할 수 있게 함으로써, 정밀 LHC 물리학을 위한 등변 트랜스포머의 활용 가치를 입증한다고 결론짓습니다.