Technische Samenvatting: Geen enkel spoor achtergelaten: Grafiekgebaseerde Vertexing voor de Reconstructie van Langlevende Deeltjes

Probleemstelling

De reconstructie van gedisplaceerde vertices (DV's) is essentieel voor precisiefysica van flavor en de zoektocht naar langlevende deeltjes (LLP's) bij colliders. Hoewel bestaande vertexing-algoritmen hoog geoptimaliseerd zijn voor primaire vertices (PV) en kortlevende secundaire vertices, worden ze geconfronteerd met aanzienlijke beperkingen wanneer ze worden toegepast op de grote dislocaties en heterogene topologieën die kenmerkend zijn voor LLP-vervallen.

Momenteel missen publieke fast-simulatie frameworks (bijv. Delphes) automatische patroonherkenning voor het identificeren van welke tracks behoren tot een gemeenschappelijke gedisplaceerde vertex. Daarom vertrouwen fenomenologische studies van LLP's vaak op truth-level objecten of vereenvoudigde parametrische smearing, waardoor de impact van realistische vertex-reconstructie onverkend blijft. Bestaande robuuste vertexing-tools (bijv. CMSSM, ACTS, RAVE) zijn ofwel nauw gekoppeld aan specifieke experimenten of te rekenintensief voor fast-simulatieketens. Er is een kritieke kloof voor een "turn-key" tool die automatische gedisplaceerde vertex-vinding integreert met robuuste fitting in standaard fenomenologische workflows.

Methodologie

Het artikel presenteert een zelfstandige Delphes-module, GraphDisplacedVertexFinder, die een grafiekgebaseerde track-clusteringstrategie combineert met een robuuste vertex-fittingprocedure.

1. Robuuste Vertex Fitting

De auteur biedt een verenigde afleiding van vertex fitting binnen een Gauss-Newton (GN) framework, waarbij dit wordt uitgebreid om timinginformatie en outlier-rejectie te bevatten.

• Wiskundige Formulering: De fit wordt geformuleerd als een niet-lineair kleinste-kwadratenprobleem dat de precisie-gewogen afstand tussen tracks en een gemeenschappelijke vertex minimaliseert. De auteur leidt de standaard transversale-informatieformulering af via Schur-complementen, waarbij de onderliggende blokstructuur en geometrische interpretatie expliciet worden blootgelegd.
• 4D Uitbreiding: Hoewel volledige 4D (ruimte-tijd) fitting mogelijk is, pleit de auteur voor het ontkoppelen van ruimtelijke en temporele componenten vanwege het verschil in resolutie van meerdere ordes van grootte (ps versus $\mu$m). Een precisie-gewogen gemiddelde wordt gebruikt om de vertex-tijd te bepalen nadat de ruimtelijke fit is geconvergeerd.
• Outlier Handling: Om om te gaan met verkeerd toegewezen tracks, gebruikt het algoritme een Iteratively Re-weighted Least Squares (IRLS) benadering met een Sigmoid gewichtsfunctie. Tracks met een hoge $\chi^2$-bijdrage worden vloeiend afgewogen in plaats van abrupt verwijderd, wat zorgt voor stabiliteit.
• Track Re-fitting: Nadat de vertex is geconvergeerd en outliers zijn geïdentificeerd, worden trackparameters opnieuw gefit aan de vertex-restrictie met behulp van een Kalman-filter-achtige update, waarbij de gefitte vertex als een pseudo-meting wordt behandeld.

2. Grafiekgebaseerde Vertex Vinding

De kerninnovatie is een grafiekgebaseerde aanpak om sets tracks te identificeren die behoren tot dezelfde gedisplaceerde vertex:

• Track Categorisatie: Tracks worden eerst geclassificeerd als "prompt" of "displaced" op basis van hun impact parameter significantie ($S_{IP}$) en hun compatibiliteit met de primaire vertex.
• Grafiek Constructie: Een gescoord ongericht compatibiliteitsgrafiek wordt gebouwd waarbij de nodes gedisplaceerde tracks zijn. Er bestaat een edge tussen twee tracks als een twee-track fit een $\chi^2_{pair} \leq 9$ oplevert en, indien beschikbaar, aan de timing-compatibiliteit voldoet.
• Pruning en Validatie:
  • Pre-filtering: Een geometrische controle zorgt ervoor dat tracktrajecten in het $(x,y)$-vlak overlappen voordat een fit wordt geprobeerd.
  • Mutual k-NN Pruning: Edges worden alleen behouden als ze binnen wederzijdse $k$-nearest-neighbor lijsten vallen om spookverbindingen in dichte omgevingen te verwijderen.
  • Edge Support: Voor behouden edges wordt een triplet-fit uitgevoerd. Een edge ontvangt een "support score" op basis van hoeveel extra tracks geldige triplets met deze edge kunnen vormen. Dit helpt bij het ontwarren van overlappende vertices.
  • Bridge Finding: Tarjan's algoritme identificeert edges die sterk verbonden subgrafieken verbinden; deze worden alleen behouden als ze een lage $\chi^2$ en hoge support hebben, om over-fragmentatie te voorkomen.
• Component Extractie: Verbonden componenten worden geëxtraheerd via Depth-First Search (DFS). Een heuristische "triplet score" controleert op multi-modaliteit; als een component waarschijnlijk uit meerdere vertices bestaat, wordt deze gesplitst.
• Final Fit: Tracks in de uiteindelijke clusters worden onafhankelijk gefit met behulp van de robuuste vertex fitter.

3. LLP Kinematische Reconstructie

Een begeleidende module, LLPReconstruction, associeert neutrale energie (jets) met gedisplaceerde vertices met behulp van een momentum-gewogen overlapscore. Dit maakt de reconstructie van de LLP vier-momentum en vervolgens de ouder-deeltjes (bijv. het Higgs-boson) mogelijk met behulp van de "corrected mass" formalisme om rekening te houden met onzichtbare energie.

Belangrijkste Bijdragen

1. Eerste Automatische Gedisplaceerde Vertex Finder voor Delphes: Het werk levert de eerste zelfstandige, plug-and-play Delphes-module voor automatische gedisplaceerde vertex-vinding, waarmee een gat in publieke fast-simulatie frameworks wordt opgevuld.
2. Verenigd Fitting Framework: Het biedt een gestroomlijnde, verenigde afleiding van vertex fitting die standaard transversale-informatie resultaten herstelt, terwijl de geometrische interpretaties en Schur-complement representaties expliciet worden blootgelegd, wat toekomstige uitbreidingen (bijv. timing) faciliteert.
3. Grafiekgebaseerde Clustering: De introductie van een grafiekgebaseerde strategie met specifieke pruning technieken (mutual k-NN, edge support, bridge finding) die op maat zijn gemaakt voor de heterogene topologieën van LLP-vervallen.
4. Validatie in FCC-ee Context: Het algoritme wordt gevalideerd in een IDEA-achtige FCC-ee detector configuratie met Higgs-strahlung ($e^+e^- \to Zh$) met exotische $h \to NN$ vervallen (waarbij $N$ zware neutrale leptonen zijn) als benchmark.

Resultaten

Het algoritme werd getest op samples met proper lifetimes $c\tau \in [10, 100, 1000]$ mm.

• Efficiëntie: De reconstructie-efficiëntie is uitstekend en bereikt $>98\%$ voor transversale dislocaties $L_{xy} \gtrsim 50$ mm. Voor kleinere dislocaties varieert de efficiëntie tussen 95% en 97%. De efficiëntie daalt naar $\sim70\%$ voor zeer grote dislocaties ($L_{xy} \ge 2000$ mm) door tracking volume limieten.
• Zuiverheid: De vertex-zuiverheid is zeer hoog ($\ge 99\%$) voor vertices met meer dan 5 tracks. Voor 3-track vertices is de zuiverheid 80–85%, voornamelijk door heavy-flavor vervallen, maar dit kan worden onderdrukt via kinematische cuts.
• Resolutie:
  • Inner Detector: Ruimtelijke resolutie $\le 2$ $\mu$m.
  • Outer Vertex Detector: Resolutie degradeert naar 5–12 $\mu$m (transversaal) en $\sim 5$ $\mu$m (longitudinaal).
  • Drift Chamber: Resolutie is 20–70 $\mu$m (transversaal) en 100–200 $\mu$m (longitudinaal).
  • De "voorspelde" onzekerheden van de fit covariantie matrix komen goed overeen met de "gemeten" residuen (binnen 2–10%).
• Kinematische Reconstructie: De gereconstrueerde invariante massa van de HNL's en het ouder-Higgs-boson vertoont uitstekende overeenkomst met de truth-waarden. De "corrected mass" herstelt effectief de ware massaverdeling, wat efficiënte signaal/achtergrond scheiding mogelijk maakt.
• Gevoeligheidsprojecties: Gebruikmakend van de gereconstrueerde vertices, projecteert de auteur de FCC-ee gevoeligheid voor exotische Higgs branching fractions. De auteur schat een 95% CL upper limit van $BR(h \to NN) \lesssim (6-7) \times 10^{-6}$ voor proper lifetimes van 10–1000 mm en massa's van 20–60 GeV.

Betekenis en Claims

Het artikel claimt dat dit werk de kloof tussen fenomenologische studies en experimentele analyse overbrugt door een flexibele, realistische tool te bieden voor LLP-zoektochten.

• Toegankelijkheid: Door integratie in de standaard MadGraph–Pythia–Delphes keten, maakt het snelle en realistische LLP-analyses mogelijk zonder de computationele overhead van volledige offline reconstructie frameworks.
• Fysische Bereik: Het aangetoonde efficiëntie en resolutie maken model-onafhankelijke projecties van gevoeligheid voor exotische Higgs-vervallen mogelijk, wat potentieel de mixing in de SM Higgs sector met BSM scalars en de massaschalen van mediatoren in modellen zoals het Left-Right Symmetric Model (LRSM) kan beperken.
• Generaliseerbaarheid: Hoewel gevalideerd op FCC-ee, stelt de auteur dat de aanpak gemakkelijk toepasbaar is op andere collider scenario's, inclusief CEPC, CLIC, muon colliders en hadron colliders.

De auteur benadrukt dat de tool "turn-key" en "plug-and-play" is, ontworpen om onmiddellijk bruikbaar te zijn door de fenomenologie gemeenschap om de realisme van LLP gevoeligheid projecties te verbeteren.