Search for a resonance decaying into a scalar particle and a Higgs boson in the final state with two bottom quarks and two photons with 199 fb$^{-1}$ of data collected at $\sqrt{s}$=13 and 13.6 TeV with the ATLAS detector

Met gebruikmaking van 199 fb$^{-1}$ aan proton-proton botsingsdata, verzameld door de ATLAS-detector bij 13 en 13,6 TeV, werd er gezocht naar een zware scalair resonantie die vervalt in een lichtere scalair en een Higgs-boson in de $b\bar{b}\gamma\gamma$-eindtoestand; er werd geen significante overmaat boven de achtergrond van het Standaardmodel gevonden, wat leidde tot het stellen van bovengrenzen op het product van het productiecross-sectie en het vertakkingsfraction met een betrouwbaarheidsniveau van 95%.

De kern

Stel je de Large Hadron Collider (LHC) voor als een enorm, supersnel deeltjesracetrack waar protonen (kleine subatomaire deeltjes) met bijna de lichtsnelheid tegen elkaar worden gebotst. Wanneer ze botsen, creëren ze een chaotische explosie van energie die kortstondig nieuwe, zwaardere deeltjes vormt voordat deze direct vervallen in lichtere, stabielere deeltjes.

Dit artikel is een verslag van de ATLAS-samenwerking, een team van wetenschappers dat een gigantische detector (als een 3D-camera) gebruikt om deze botsingen te observeren. Ze zoeken naar een zeer specifiek, zeldzaam gebeurtenis: een "zwaar ouder"-deeltje dat vervalt in een "lichter kind"-deeltje en een beroemd Higgs-boson.

Hier is het verhaal van hun zoektocht, eenvoudig uitgelegd:

Het mysterie: Een zware ouder en twee kinderen

De wetenschappers jagen op een hypothetisch zwaar deeltje dat ze $X$ noemen.

• De theorie: Ze geloven dat $X$ mogelijk een "ouder"-deeltje is dat niet lang meegaat. Wanneer het sterft, splitst het zich in twee "kinderen":
  1. Een lichtere scalair deeltje genaamd $S$.
  2. Het beroemde Higgs-boson (het deeltje dat in 2012 werd ontdekt en dat andere deeltjes massa geeft).
• De vervalketen:
  • Het Higgs-boson verandert direct in twee fotonen (deeltjes van licht).
  • Het lichtere deeltje $S$ verandert direct in twee bottom-quarks (die zich in de detector gedragen als stralen van energie).
• Het doel: Ze willen de "vingerafdruk" vinden van deze specifieke stamboom: Twee fotonen + Twee bottom-quarks.

De zoekstrategie: Een naald in een hooiberg vinden

Stel je voor dat je probeert een specifieke, zeldzame munt te vinden in een enorme hoop aarde. De "aarde" is de achtergrondruis van miljarden gewone deeltjesbotsingen die elke seconde plaatsvinden. De "zeldzame munt" is het signaal waar ze naar zoeken.

1. De filter (Triggers): De detector is te druk om elke botsing op te nemen. Het gebruikt een "slimme filter" om alleen gebeurtenissen op te slaan waarbij twee flitsen van licht met hoge energie (fotonen) tegelijkertijd verschijnen.
2. De identificatie (Tagging): Zodra ze een kandidaat-gebeurtenis hebben, zoeken ze naar de "bottom-quarks". Ze gebruiken een speciaal algoritme (een type AI genaamd GN2) om stralen van energie te identificeren die waarschijnlijk van bottom-quarks afkomstig zijn. Ze zoeken naar gebeurtenissen met één of twee van deze "bottom-getagde" stralen.
3. De massacheck: Ze berekenen het totale gewicht (massa) van de deeltjes.
   • De twee fotonen zouden ongeveer 125 GeV moeten wegen (het bekende gewicht van het Higgs).
   • De twee bottom-quarks zouden moeten wegen wat het lichtere deeltje $S$ weegt.
   • Het totale gewicht van alles samen zou het gewicht van de zware ouder $X$ moeten onthullen.

De verbeteringen: Een scherper lens

Dit artikel is een update van een eerdere zoektocht. Het team keek niet alleen naar meer data; ze keken beter.

• Meer data: Ze combineerden data uit twee verschillende periodes van de LHC (Run 2 en het vroege deel van Run 3), waardoor ze een veel grotere "hooiberg" hadden om doorheen te zoeken.
• Betere tools: Ze upgraden hun "AI" voor het opsporen van bottom-quarks, waardoor het efficiënter werd om het echte ding te spotten en valse signalen te negeren.
• Strakkere focus: Ze verkleinden het venster voor de Higgs-massa (de twee fotonen), wat hielp om nog meer achtergrondruis weg te filteren.

De resultaten: Geen nieuwe deeltjes gevonden

Na het analyseren van 199 femtobarns aan data (een enorme hoeveelheid botsingsregistraties), zocht het team naar een "bult" in de data – een plotselinge piek in het aantal gebeurtenissen die zou aangeven dat een nieuw deeltje $X$ bestaat.

• De uitkomst: Ze vonden geen significant overschot. De data zag er precies uit zoals het Standaardmodel (onze huidige beste theorie van de natuurkunde) voorspelt voor achtergrondruis.
• Het "spook"-signaal: Bij een eerdere zoektocht met oudere data was er een kleine, intrigerende "bult" bij een specifieke massa (575 GeV) die leek alsof het misschien een nieuw deeltje zou kunnen zijn. Echter, met deze nieuwe, grotere en nauwkeurigere dataset, verdween die bult. Het was waarschijnlijk gewoon een statistische toevalstreffer of een misverstand van de achtergrondruis.

De conclusie: Grenzen stellen

Hoewel ze het nieuwe deeltje niet vonden, was de zoektocht geen mislukking. In de wetenschap is het net zo belangrijk om te weten wat er niet is als wat er wel is.

Het team stelde strikte grenzen aan hoe zwaar of hoe vaak dit hypothetische deeltje $X$ zou kunnen zijn. Ze zeiden in feite:

"Als dit deeltje $X$ bestaat, moet het zeldzamer zijn dan we momenteel kunnen detecteren, of moet het een massa hebben buiten het bereik dat we hebben getest."

Ze sloten het bestaan van dit deeltje uit voor massa's tussen 170 en 1000 GeV (voor de zware ouder) en 15 en 500 GeV (voor het lichtere kind), ervan uitgaande dat het op deze specifieke manier vervalt.

Kortom: Het ATLAS-team gebruikte een superkrachtige microscoop om de meest energieke botsingen van het universum te scannen op een specifieke, zeldzame familie van deeltjes. Ze vonden de familie niet, maar ze hebben succesvol in kaart gebracht waar de familie niet kan verstoppen, waardoor de zoektocht naar toekomstige ontdekkingen wordt ingeperkt.

Technische samenvatting

Technische Samenvatting: Zoeken naar een Resonantie die Verval in een Scalaire Deeltje en een Higgsboson ($X \to S(\to b\bar{b})H(\to \gamma\gamma)$)

Probleem en Motivatie
Hoewel het in 2012 ontdekte Higgsboson ($H$) goed overeenkomt met de voorspellingen van het Standaardmodel (SM), sluiten experimentele gegevens het bestaan niet uit van aanvullende scalaire toestanden die worden voorspeld door diverse theorieën buiten het Standaardmodel (BSM), zoals complexe singlet-extensies, Two-Higgs-Doublet-modellen (2HDM) en het Next-to-Minimal Supersymmetric Standard Model (NMSSM). Dit artikel behandelt het zoeken naar een zware scalaire resonantie $X$ die vervalt in een lichtere scalaire $S$ en het SM-Higgsboson ($X \to SH$), waarbij $S$ vervalt in een paar bottom-quarks ($b\bar{b}$) en $H$ vervalt in een paar fotonen ($\gamma\gamma$). Deze specifieke eindtoestand ($b\bar{b}\gamma\gamma$) biedt unieke gevoeligheid, met name in het laag-massagebied voor $S$, in vergelijking met andere vervalkanalen. Eerdere analyses van ATLAS en CMS met Run-2-gegevens hebben grenswaarden vastgesteld, maar lokale afwijkingen waargenomen (bijvoorbeeld ATLAS bij $(m_X, m_S) = (575, 200)$ GeV en CMS bij $(650, 90)$ GeV) die nader onderzoek rechtvaardigen met verhoogde statistiek en verbeterde analysemethoden.

Methodologie
De analyse maakt gebruik van proton-proton botsingsgegevens verzameld door de ATLAS-detector bij de LHC, overeenkomend met een geïntegreerde lichtkracht van 140 fb$^{-1}$ bij $\sqrt{s}=13$ TeV (Run 2) en 58,6 fb$^{-1}$ bij $\sqrt{s}=13,6$ TeV (vroege Run 3).

• Eventselectie: Events worden geselecteerd op basis van de eis van twee fotonkandidaten met een invariante massa ($m_{\gamma\gamma}$) tussen 105 en 160 GeV, en transversale energieën die voldoen aan $E_T > 0,35 \times m_{\gamma\gamma}$ en $E_T > 0,25 \times m_{\gamma\gamma}$. Om $t\bar{t}H$-achtergronden te onderdrukken, worden events met geïdentificeerde elektronen of muonen verworpen.
• Signaalregio's (SR): De analyse definieert een strakke SR-venster rond de Higgsmassa ($122,5 < m_{\gamma\gamma} < 127,5$ GeV), waarbij het venster wordt verkleind ten opzichte van de vorige analyse om de achtergrond met de helft te reduceren terwijl 85–90% van het signaal behouden blijft. Events worden gecategoriseerd in twee exclusieve regio's op basis van het aantal $b$-getagde jets: precies één $b$-jet en precies twee $b$-jets. Deze categorisering adresseert kinematische variaties waarbij het $S$-boson sterk geboost is (gecollimeerde $b$-jets die samensmelten tot één) of lage impuls heeft (één $b$-jet niet gereconstrueerd).
• Objectreconstructie: Fotonidentificatie maakt gebruik van "Tight"-criteria. Jets worden gereconstrueerd met het anti-$k_t$-algoritme ($R=0,4$) met particle-flow-inputs. Een significante upgrade betreft het gebruik van het GN2-transformator-neuraal netwerk voor $b$-tagging, met een efficiëntie van 85% (gestegen van 77% in het vorige DL1r-algoritme) met vergelijkbare afwijzing van lichte jets.
• Multivariate Analyse (MVA): Geparametriseerde Neuronale Netwerken (PNN's) worden ingezet om signaal van achtergrond te onderscheiden. De PNN's nemen kinematische kenmerken van events (bijvoorbeeld invariante massa's van $b$-jetsystemen, gemodificeerde invariante massa's $m^*_{bb\gamma\gamma}$ en $m^*_{b\gamma\gamma}$ ontworpen om te decorreleren van $m_{\gamma\gamma}$) en fase-ruimteparameters ($m_X, m_S$) als input. Dit maakt het trainen van een enkele discriminant mogelijk die interpoleert over het volledige massavlak ($170 \le m_X \le 1000$ GeV, $15 \le m_S \le 500$ GeV).
• Schatting van Achtergrond: De vorm van de dominante niet-resonante $\gamma\gamma$+jets-achtergrond wordt gemodelleerd met Sherpa MC, terwijl de normalisatie wordt afgeleid uit data in Controlegio's (CR) die buiten het Higgs-massavenster zijn gedefinieerd. Andere achtergronden (bijvoorbeeld $t\bar{t}\gamma\gamma$, $Z\gamma\gamma$, SM-Higgsproductie) worden genormaliseerd met theoretische dwarsdoorsneden. Systematische onzekerheden, waaronder die van lichtkracht, jet-energieschaal, $b$-tagging en theoretische modellering, worden behandeld als storende parameters in de fit.

Belangrijkste Bijdragen en Verbeteringen
Dit werk vormt een update van de vorige Run-2-analyse [18] met enkele specifieke technische vooruitgang:

1. Datavolume: Opname van vroege Run-3-gegevens (13,6 TeV), waardoor de totale dataset met ongeveer 42% wordt vergroot.
2. Algoritmische Upgrades: Implementatie van het GN2 $b$-tagging-algoritme, wat de $b$-jet-efficiëntie gemiddeld met 8% verbetert.
3. Verfijnde Selectie: Een smaller $m_{\gamma\gamma}$-signaalvenster (122,5–127,5 GeV) om de achtergrond aanzienlijk te reduceren.
4. Kalibratie-updates: Herziening van $b$-jet-energiecorrecties en bijgewerkte fotonidentificatie/isolatiecriteria om rekening te houden met Run-3-pile-up-omstandigheden.
5. Trainingsstrategie: Opnieuw trainen van de PNN's met bijgewerkte inputs en een verfijnde definitie van signaalregio's.

Resultaten
De analyse voert een gelijktijdige gebinde maximum-likelihood-fit uit op de PNN-uitvoer-distributies in de SR's en CR's voor beide dataperioden en $b$-tag-categorieën.

• Observatie: Er wordt geen significant overschot waargenomen boven de SM-achtergrond-only-hypothese. De maximale lokale significantie is 2,0 standaardafwijkingen, gevonden bij $(m_X, m_S) = (235, 60)$ GeV.
• Vorige Anomalieën: Het lokale overschot dat eerder door ATLAS werd waargenomen bij $(575, 200)$ GeV (3,5$\sigma$) en de CMS-afwijking bij $(650, 90)$ GeV worden in deze analyse niet bevestigd. De events die bijdroegen aan het eerdere ATLAS-overschot bleken te falen in de huidige selectiecriteria vanwege bijgewerkte foton/elektron-reconstructie en $b$-tagging, of vielen buiten het strakkere $m_{\gamma\gamma}$-venster.
• Grenswaarden: 95% Confidence Level (CL) bovengrenzen worden vastgesteld voor het product van de productie-dwarsdoorsnede en het vertakkingspercentage ($\sigma \times \mathcal{B}$) voor het proces $X \to S(\to b\bar{b})H(\to \gamma\gamma)$ bij 13 TeV. De grenswaarden variëren van 9,0 fb bij $m_X=170$ GeV, $m_S=30$ GeV tot 0,06 fb bij $m_X=1000$ GeV, $m_S \in [175, 300]$ GeV.

Betekenis
Het artikel claimt een significante verbetering in gevoeligheid over het volledige onderzochte massavlak in vergelijking met de vorige Run-2-only-analyse. De verwachte grenswaarden voor de dwarsdoorsnede worden met 15% tot 73% verbeterd, waarbij de meest substantiële winsten (tot 73%) optreden in het laag-massagebied. Deze verbetering wordt toegeschreven aan de combinatie van Run-3-data, de strakkere $m_{\gamma\gamma}$-selectie, de hogere efficiëntie van het GN2 $b$-tagging-algoritme en de bijgewerkte PNN-training. De resultaten bieden de strengste beperkingen tot nu toe voor deze specifieke BSM-vervaltopologie, waardoor de eerder waargenomen lokale afwijkingen effectief worden uitgesloten als statistische fluctuaties of artefacten van eerdere analyseconfiguraties.