Search for heavy scalar resonances decaying to Lorentz-boosted Higgs and Higgs-like bosons in the $\mathrm{b\bar{b}}$4q final state at $\sqrt{s}$ = 13 TeV

Met behulp van 138 fb$^{-1}$ aan proton-protonbotsingsdata bij 13 TeV verzameld door het CMS-experiment, presenteert deze studie de eerste LHC-zoektocht naar zware scalaire resonanties die vervallen in een Higgs-boson en een Higgs-achtige scalaire in de all-hadronische $\mathrm{b\bar{b}}$4q eindtoestand, waarbij geavanceerde machine learning-technieken worden toegepast om gebuste jets te identificeren en waarbij geen significante overmaat boven de Standaardmodel-achtergrond wordt gevonden.

De kern

Het Grote Plaatje: De jacht op een "Zwaar Ouder"-deeltje

Stel je het universum voor als een gigantische, chaotische keuken waar deeltjes constant worden bereid en tegen elkaar aan worden gesmeten. In deze keuken is het Standaardmodel het "officiële receptenboek" dat uitlegt hoe de meeste ingrediënten zich gedragen. Echter, natuurkundigen vermoeden dat er geheime ingrediënten en verborgen recepten zijn die het boek nog niet vermeldt.

Dit artikel beschrijft een zoektocht naar een specifiek "geheim ingrediënt": een zwaar, onzichtbaar deeltje genaamd X. De theorie is dat dit zware deeltje X als een ouder is die zich opsplitst in twee kinderen:

1. Een bekend kind: het Higgs-boson (H), waarvan we al weten dat het bestaat.
2. Een mysterieus kind: een nieuw, lichter deeltje genaamd Y (dat erg lijkt op het Higgs-boson, maar iets nieuws kan zijn).

Het doel van dit experiment was om dit zware ouderdeeltje X te betrappen op het moment dat het uit elkaar valt.

De Uitdaging: Het "Snelbewegende Koffer"-probleem

Het probleem is dat wanneer deze zware deeltjes worden gecreëerd in de Large Hadron Collider (LHC), ze ongelooflijk snel bewegen—bijna met de snelheid van het licht.

• De Analogie: Stel je een zware koffer (het deeltje X) voor die zo snel beweegt dat wanneer hij opengaat, de kleding erin (de kleinere deeltjes) zo snel naar buiten vliegt dat alles samenklontert tot één rommelige prop voordat ze gescheiden kunnen worden.
• De Realiteit: Normaal gesproken zoeken wetenschappers naar deeltjes door te kijken naar de manier waarop ze uiteenvliegen in duidelijke banen. Maar hier zijn de "kinderen" (het Higgs-boson en het Y-deeltje) zo snel dat hun vervalproducten (de stukjes waar ze in veranderen) op elkaar worden geplet.
  • Het Higgs-boson verandert in twee bottom-quarks, wat eruitziet als één grote, vage vlek.
  • Het Y-deeltje verandert in vier quarks (via W- of Z-bosonen), wat ook uitziet als één grote, vage vlek (of soms twee vlekken, afhankelijk van hoe snel het is).

Wetenschappers moesten speciale "detectoren" bouwen (zoals high-tech camera's) om deze rommelige, samengevoegde vlekken te herkennen en te achterhalen wat erin zat.

De Tools: AI als de Detective

Om deze speldjes in een hooiberg te vinden, gebruikten de wetenschappers twee belangrijke instrumenten:

1. PARTICLENET: Denk aan dit als een zeer slimme AI die naar de "vage vlek" kij{%} en vraagt: "Lijkt dit op een Higgs-boson, of is het gewoon willekeurige troep (achtergrondruis)?" Het is getraind om het specifieke patroon van een Higgs-boson te herkennen dat zich verstopt in een jet van deeltjes.
2. De "Particle Transformer": Dit is een gloednieuw, baanbrekend AI-instrument (zoals een supergeavanceerde patroonherkenner) dat specifiek is ontworpen om naar de rommelige vlek van het Y-deeltje te kijken. Het maakt gebruik van een techniek genaamd "attention" (vergelijkbaar met hoe mensen focussen op specifieke details in een menigte) om te bepalen of die vlek vier quarks bevat, wat het bestaan van het Y-deeltje zou bewijzen.

De Zoekstrategie: Het "Pass/Fail"-spel

De wetenschappers keken niet alleen naar de data en hoopten op het beste. Ze gebruikten een slim statistisch spel om het signaal van de ruis te scheiden:

• De Signal Pass (SP): Dit is de "winnende" zone. Ze zochten naar gebeurtenissen waarbij de AI er zeer zeker van was dat het een Higgs en een Y-deeltje zag.
• De Signal Fail (SF): Dit is de "verliezende" zone. Ze keken naar gebeurtenissen waarbij de AI zei: "Nee, dat is gewoon willekeurige troep."
• De Truc: Door de "verliezende" zone te bestuderen (waar ze weten dat er geen echte signalen zijn), konden ze wiskundig voorspellen hoeveel "willekeurige troep" er in de "winnende" zone zou zitten. Als de "winnende" zone meer troep bevatte dan voorspeld, zou dat een teken zijn van een nieuw deeltje.

Ze verdeelden de zoektocht in twee categorieën op basis van hoe snel de deeltjes bewogen:

• Volledig Samengevoegd (Fully Merged): Het Y-deeltje is zo snel dat al zijn onderdelen samengeperst zijn tot één enkele vlek.
• Semi-Samengevoegd (Semi-Merged): Het Y-deeltje is snel, maar de onderdelen zijn gesplitst in twee duidelijke vlekken.

De Resultaten: Geen Nieuwe Deeltjes Gevonden (Nog Niet)

Na het analyseren van een enorme hoeveelheid data (het equivalent van 138 "inverse femtobarns"—een enorm aantal botsingen), vergeleken de wetenschappers wat ze zagen met wat het Standaardmodel voorspelde.

• De Uitkomst: De data kwamen perfect overeen met de voorspelling van de "willekeurige troep". Er waren geen onverwachte pieken of "excessen" die zouden wijzen op het bestaan van het zware ouderdeeltje X of het mysterieuze kind Y.
• De Conclusie: Ze hebben de nieuwe deeltjes niet gevonden. Echter, ze zijn niet met lege handen thuisgekomen. Ze hebben strikte regels vastgesteld: "Als deze deeltjes wel bestaan, kunnen ze niet zwaarder zijn dan X of lichter dan Y binnen bepaalde limieten, en ze kunnen niet vaker worden geproduceerd dan deze specifieke snelheid."

Samenvatting in één zin

Het CMS-team gebruikte geavanceerde AI om te zoeken naar een zwaar, snel bewegend deeltje dat uiteenvalt in een Higgs en een nieuw "Higgs-achtig" deeltje, maar na het scannen van een enorme hoeveelheid botsingsdata vonden ze geen bewijs voor dit nieuwe deeltje, enkel de bevestiging dat als het bestaat, het nog zeldzamer of zwaarder moet zijn dan voorheen gedacht.

Noot: Dit artikel is puur een zoektocht naar nieuwe fundamentele fysica. Het claimt geen directe medische, technologische of praktische toepassingen. Het is een fundamenteel onderzoek naar de bouwstenen van het universum.

Technische samenvatting

Technische Samenvatting: Zoektocht naar zware scalaire resonanties die vervallen naar Lorentz-gebooste Higgs- en Higgs-achtige bosonen in de $bb4q$ eindtoestand

Probleem en Motivatie
Het Standaardmodel (SM) van de deeltjesfysica kampt met fundamentele inconsistenties, waaronder het hiërarchieprobleem van de massa van het Higgs-boson en de waargenomen baryonantymmetrie van het universum. Diverse theoretische uitbreidingen, zoals de Two-Higgs-Doublet-modellen (2HDM), het Minimale Supersymmetrische Standaardmodel (MSSM), het Next-to-MSSM en Two-Real-Singlet-modellen, voorspellen een rijker scalaire sector. Deze modellen staan vaak de verval van een zware scalaire resonantie ($X$) naar een paar lichtere scalairen ($H$ en $Y$) toe, waarbij $H$ het SM-achtige Higgs-boson is en $Y$ een nieuwe Higgs-achtige scalair.

Dit artikel behandelt de zoektocht naar het proces $X \to HY$, waarbij $H \to b\bar{b}$ en $Y \to VV \to 4q$ (waarbij $V = W$ of $Z$). Deze specifieke all-hadronische eindtoestand ($bbVV$) brengt aanzienlijke uitdagingen met zich mee vanwege de overweldigende Quantum Chromodynamics (QCD) multijet-achtergrond. Bovendien richt de zoektocht zich op het Lorentz-gebooste regime, waarbij de vervalproducten van het zware $X$-boson sterk geclusterd zijn, wat gespecialiseerde reconstructietechnieken vereist om signaaljets van de achtergrond te onderscheiden.

Methodologie
De analyse maakt gebruik van proton-proton botsingsgegevens verzameld door het CMS-experiment bij de CERN LHC bij een zwaartekrachtenergie van $\sqrt{s} = 13$ TeV, wat overeenkomt met een geïntegreerde luminositeit van 138 fb$^{-1}$. De zoektocht is verdeeld in twee kinematische regimes op basis van de massaverhouding van de resonanties:

1. Volledig samengevoegd regime ($m_Y \lesssim 0.1 m_X$): In dit regime is het $Y$-boson sterk geboost, waardoor zijn vervalproducten ($VV \to 4q$) samensmelten tot een enkele jet met een groot oppervlak.
2. Semi-samengevoegd regime ($0.1 m_X \lesssim m_Y < m_X - m_H$): Hier is het $Y$-boson minder geboost, en worden zijn vervalproducten gereconstrueerd als twee afzonderlijke jets met een groot oppervlak, die elk overeenkomen met een $V \to qq$ verval.

Belangrijke technische componenten:

• Jet-reconstructie: Gebeurtenissen worden gereconstrueerd met het anti-$k_T$ algoritme met een afstandsparameter van 0.8 (AK8 jets). De jet-massa wordt verbeterd met een massaregressie-algoritme gebaseerd op de PARTICLENET graph neural network architectuur.
• Signaalidentificatie:
  • $H \to b\bar{b}$: Geïdentificeerd met de PARTICLENET tagger ($T_{Xbb}$), die $b$-quark jets onderscheidt van de QCD-achtergrond. De output van de tagger is gedecorreleerd van de jet-massa en transversale impuls ($p_T$).
  • $Y \to VV \to 4q$ (Volledig samengevoegd): Een nieuw aandacht-gebaseerd neuraal netwerk, de "particle transformer" (PART), wordt ingezet om vier-pronged jets te identificeren die afkomstig zijn van scalaire resonanties die vervallen naar $WW$. Een discriminant $T_{YWW}$ wordt afgeleid van de PART-outputs.
  • $Y \to VV \to 4q$ (Semi-samengevoegd): De twee $V \to qq$ jets worden geïdentificeerd met een discriminant $T_{Wqq}$ afgeleid van het PARTICLENET-model.
• Gebeurtenis-categorisering: Gebeurtenissen worden geclassificeerd in "Signal Pass" (SP), "Signal Fail" (SF), "Validation Pass" (VP) en "Validation Fail" (VF) regio's op basis van tagger-score drempelwaarden en massavensters rond de Higgs-massa ($m_H$).
• Achtergrondschatting: De dominante QCD multijet-achtergrond wordt geschat met datagedreven methoden. De opbrengst in de SP-regio wordt afgeleid van de SF-regio (waar de tagger-selecties zijn geïnverteerd) vermenigvuldigd met een transferfunctie $R(m_X, m_Y)$. Deze transferfuncties worden gemodelleerd met 2D Bernstein-polynomen, die gefit zijn aan data in validatieregio's om ervoor te zorgen dat het achtergrondmodel overeenkomt met de observaties zonder de signaalzoektocht te beïnvloeden. Minder belangrijke achtergronden ($t\bar{t}$, $V$+jets, SM Higgs) worden geschat met Monte Carlo-simulaties.

Belangrijkste bijdragen

• Eerste all-hadronische zoektocht: Dit werk presenteert de eerste zoektocht bij de LHC naar scalaire resonanties in het all-hadronische $bbVV$ vervalkanaal.
• Nieuwe Machine Learning: De analyse introduceert de toepassing van de "particle transformer" (PART) architectuur voor het identificeren van volledig samengevoegde $Y \to 4q$ jets, een techniek die voorheen niet getest was in deze specifieke context bij de LHC.
• Uitgebreide kinematische dekking: De zoektocht dekt een breed massabereik, met $m_X$ tussen 900 en 4000 GeV en $m_Y$ tussen 60 en 2800 GeV, waarbij zowel volledig samengevoegde als semi-samengevoegde topologieën worden behandeld.

Resultaten
Er werd geen significante overschot aan gebeurtenissen waargenomen boven de verwachting van het Standaardmodel-achtergrond in noch de volledig samengevoegde, noch de semi-samengevoegde categorieën. De grootste lokale afwijkingen werden waargenomen bij $m_X = 900$ GeV en $m_Y = 80$ GeV (volledig samengevoegd, 3.3$\sigma$ lokale significantie, $<1.0\sigma$ globale significantie) en $m_X = 1200$ GeV en $m_Y = 900$ GeV (semi-samengevoegd, 1.7$\sigma$ lokale significantie, $<1.0\sigma$ globale significantie), beide consistent met achtergrondfluctuaties.

Bovengrens-limieten op het 95% betrouwbaarheidsniveau (CL) zijn vastgesteld op het product van de productie-doorsnede en de vertakkingsfractie ($\sigma \times \mathcal{B}$) voor $X \to HY \to bbVV$. De limieten bereiken zo laag als 0.2 fb voor diverse massahypothesen.

Significantie en Claims
Het artikel beweert dat dit de eerste zoektocht is naar scalaire resonanties in de all-hadronische $bbVV$ eindtoestand bij de LHC. Hoewel er geen nieuwe fysica is ontdekt, slaagt de analyse erin strikte uitsluitingslimieten vast te stellen voor asymmetrische cascade-vervallen in een uitdagend kinematisch regime. De resultaten worden geïnterpreteerd binnen de context van een two-real-scalar-singlet uitbreiding van het SM. De auteurs merken op dat hoewel er geen massauitsluitingen kunnen worden gemaakt voor de specifieke gescande modelparameters, de geobserveerde limieten ongeveer een factor 10 hoger zijn dan de theoretische voorspellingen voor $m_X < 1.4$ TeV en $m_Y < 0.6$ TeV, wat verdere investigatie van deze eindtoestand met aanvullende datasets motiveert. De analyse demonstreert de levensvatbaarheid van het gebruik van geavanceerde machine learning-tools, zoals de particle transformer, om hoog-gebooste, multi-pronged hadronische vervallen in omgevingen met hoge pileup te reconstrueren.