Search for long-lived charginos and $τ$-sleptons using final states with a disappearing track in $pp$ collisions at $\sqrt{s} = 13$ TeV with the ATLAS detector

Deze ATLAS-paper beschrijft een zoektocht naar langlevende chargino's en $\tau$-sleptonen in 137 fb$^{-1}$ aan $pp$-botsingsdata bij 13 TeV, waarbij geen significante afwijkingen werden gevonden en er 95% CL-masselimieten van tot 1020 GeV voor wino's en 840 GeV voor higgsino's werden gesteld.

De kern

Zoektocht naar de "Spooktrein" in deeltjesversneller: Een uitleg van het ATLAS-experiment

Stel je voor dat je een enorme, supersnelle trein (de Large Hadron Collider of LHC) hebt die twee deeltjes met elkaar laat botsen. Normaal gesproken zijn deze botsingen als een ontploffing van vuurwerk: je ziet flitsen, vonken en nieuwe deeltjes die direct verdwijnen. Maar in dit specifieke onderzoek van het ATLAS-experiment bij CERN, zoeken de wetenschappers naar iets heel anders: een spooktrein.

Hier is wat ze precies deden, vertaald naar alledaags taal:

1. Het Mysterie: De "Verdwijnende Spoor"

In de wereld van deeltjesfysica zoeken ze naar bewijs voor Supersymmetrie (SUSY). Dit is een theorie die zegt dat elk bekend deeltje (zoals een elektron) een zwaarder, "supers" broertje heeft.

De wetenschappers denken dat sommige van deze supers-broertjes (zoals chargino's of tau-sleptonen) een heel rare eigenschap hebben:

• Ze worden gemaakt in de botsing.
• Ze zijn elektrisch geladen (zoals een trein die een spoor volgt).
• Ze zijn kortlevend. Ze reizen een heel klein stukje door de detector en sterven dan plotseling.
• Bij hun dood veranderen ze in een onzichtbaar deeltje (donkere materie) en een heel traag, zacht deeltje dat de sensoren niet eens ziet.

Het resultaat? Je ziet een spoor beginnen in de binnenste laag van de detector, en dan... poef! Het spoor stopt abrupt. Het deeltje is "verdwenen". Het is alsof je een trein ziet rijden, en dan ineens verdwijnt hij in een tunnel die er niet is.

2. De Uitdaging: Hoe zie je iets dat zo kort leeft?

Het probleem is dat deze "spooktreinen" soms zo snel sterven dat ze nauwelijks de binnenste laag van de detector bereiken.

• De oude methode: Vroeger keken ze alleen naar deeltjes die minstens vier lagen van de detector raakten. Dat was als kijken naar een trein die pas verdwijnt als hij al halverwege de stad is.
• De nieuwe methode: In dit onderzoek hebben ze een slimme nieuwe techniek ontwikkeld. Ze kijken ook naar sporen die maar drie lagen raken. Dit is alsof je een camera hebt die zo snel is dat je een trein ziet verdwijnen terwijl hij nog net de stationshal uitrijdt.

Daarnaast gebruiken ze een kunstmatige intelligentie (AI). Omdat het deeltje waar het spoor mee eindigt (een pion) zo traag is, wordt het vaak over het hoofd gezien. De AI fungeert als een super-scherpe detective die zoekt naar deze "flauwe" sporen die een menselijke analyst zou missen.

3. De Speelplaats: De ATLAS-detector

De ATLAS-detector is als een gigantische, lagenrijke uienbol rondom de botsingsplek.

• De binnenste lagen zijn de "pixel-lagen".
• Als een supers-deeltje door deze lagen gaat, laat het een spoor achter.
• Als het deeltje verdwijnt, zie je een "verdwijnend spoor" (disappearing track).
• Omdat het deeltje verdwijnt in een onzichtbaar deeltje, zie je ook een tekort aan energie in de andere richting (zoals een bal die wegkaatst, maar waarvan je de tegenpartij niet ziet).

4. Wat vonden ze? (De Uitslag)

De wetenschappers keken naar 137 biljoen botsingen (dat is een enorm aantal data, verzameld tussen 2015 en 2018). Ze keken in verschillende zones van de detector, afhankelijk van hoe snel de deeltjes verdwenen.

Het nieuws: Ze vonden geen spooktreinen.

• Er waren geen onverklaarbare "verdwijnende sporen" die niet door de standaarddeeltjes (zoals elektronen of muonen) konden worden verklaard.
• De data klopte perfect met wat we al wisten over de normale wereld (het Standaardmodel).

5. Wat betekent dit dan?

Hoewel ze niets nieuws vonden, is dit resultaat heel belangrijk. Het is als het zoeken naar een naald in een hooiberg. Omdat ze geen naald vonden, kunnen ze zeggen:

• "Als er een naald is, moet hij kleiner zijn dan X."
• "Als er supers-deeltjes zijn, moeten ze zwaarder zijn dan Y."

Ze hebben nu de massa's van deze mogelijke deeltjes ingeperkt:

• Voor de lichtste varianten (higgsino's) hebben ze uitgesloten dat ze lichter zijn dan 225 GeV (ongeveer 240 keer zo zwaar als een proton).
• Voor de zwaardere varianten (wino's) hebben ze uitgesloten dat ze lichter zijn dan 880 GeV.

Conclusie

Het ATLAS-team heeft de "spooktrein" niet gevonden. De deeltjes die ze zoeken, bestaan waarschijnlijk niet in de massa's die ze hebben gecontroleerd, of ze zijn nog zwaarder dan de huidige LHC kan maken.

Dit is een stap voorwaarts in de wetenschap. Het betekent dat als we deze deeltjes ooit willen vinden, we nog krachtigere machines of slimmere zoekmethodes nodig zullen hebben. Tot die tijd blijft de zoektocht naar de "spooktrein" een van de spannendste mysteries in de fysica.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het ATLAS-paper "Search for long-lived charginos and 𝜏-sleptons using final states with a disappearing track in pp collisions at √𝑠= 13 TeV", geschreven in het Nederlands.

Titel: Zoeken naar langlevende chargino's en 𝜏-sleptonen met verdwijnende sporen in proton-protonbotsingen bij 13 TeV

1. Het Probleem en de Fysische Context
Supersymmetrie (SUSY) is een theoretisch raamwerk dat een partnerdeeltje voorspelt voor elk standaardmodeldeeltje. Een specifiek scenario binnen SUSY betreft de productie van elektroweakino's (zoals chargino's, $\tilde{\chi}^\pm_1$) of langlevende $\tau$-sleptonen ($\tilde{\tau}$).

• Het Signaal: In bepaalde modellen (zoals Anomaly-Mediated Supersymmetry Breaking (AMSB) voor wino-achtige chargino's of natuurlijke SUSY voor higgsino-achtige chargino's) is het massaverschil ($\Delta m$) tussen het geladen deeltje ($\tilde{\chi}^\pm_1$) en het lichtste supersymmetrische deeltje (LSP, vaak een neutralino $\tilde{\chi}^0_1$) zeer klein (enkele honderden MeV).
• De Gevolgen: Door dit kleine massaverschil heeft het geladen deeltje een lange levensduur (typisch 0,02 tot 10 ns). Het reist een meetbare afstand door de binnenste lagen van de detector voordat het vervalt in een neutraal deeltje (dat onzichtbaar is en leidt tot ontbrekend transversale impuls, $E_T^{miss}$) en een zeer laag-energetisch pion ($\pi^\pm$).
• De "Verdwijnende Spoor" (Disappearing Track): Omdat het pion zo weinig impuls heeft, wordt het niet gereconstrueerd als een standaard spoor. Het oorspronkelijke geladen deeltje laat echter een kort spoor achter in de pixel-detector (een "tracklet") dat abrupt stopt. Dit is het kenmerkende signaal: een kort spoor, een hoge-energie jet (van initiële straling, ISR) en grote $E_T^{miss}$.
• Uitdaging: Eerdere analyses vereisten vaak 4 of meer pixelhits. Voor zeer kortlevende deeltjes (zoals higgsino's) is de levensduur echter zo kort dat ze vaak niet verder reiken dan 3 pixel-lagen, waardoor ze in eerdere zoektochten gemist werden.

2. Methodologie
De analyse gebruikt 137 fb$^{-1}$ aan data van proton-protonbotsingen bij een middelpuntsenergie van 13 TeV, verzameld tijdens Run 2 van de LHC met de ATLAS-detector.

• Herconstructie van Tracklets:

  • Er is een speciaal algoritme ontwikkeld om sporen te reconstrueren met slechts drie pixelhits (in plaats van de gebruikelijke vier of meer). Dit is cruciaal voor het detecteren van kortlevende deeltjes.
  • Een "veto" wordt toegepast: als het spoor verder uit de detector hits vindt in de SCT (Silicon Microstrip Tracker) of TRT, wordt het verworpen. Dit zorgt ervoor dat alleen echte "verdwijnende" sporen worden geselecteerd.
  • De tracklets moeten een transversale impuls ($p_T$) van > 60 GeV hebben en geen energie-deposities in de calorimeters vertonen.

• Identificatie van Laag-energetische Pionnen:

  • Voor scenario's waarbij het pion wel gereconstrueerd kan worden (voornamelijk bij langere levensduur), wordt een Boosted Decision Tree (BDT) machine learning-algoritme gebruikt.
  • Dit algoritme zoekt naar "zachte sporen" (soft tracks) met lage impuls (200 MeV - 2 GeV) die dicht bij het tracklet ontstaan. Het onderscheidt echte pionnen van achtergrondruis.

• Selectiegebieden (Signal Regions - SRs):
  Er zijn vier orthogonale zoekgebieden gedefinieerd:

  1. SR4High & SR4Mid: Vereisen een tracklet met 4 pixelhits. SR4High heeft een hoge $E_T^{miss}$ (>300 GeV), SR4Mid heeft een lagere drempel (150-300 GeV).
  2. SR3High1$\pi$: Vereist een tracklet met 3 pixelhits én de aanwezigheid van een geïdentificeerd laag-energetisch pion.
  3. SR3High0$\pi$: Vereist een tracklet met 3 pixelhits en een veto op het pion (om specifieke achtergronden te onderdrukken).

• Schatting van Achtergrond:

  • De achtergrond (voornamelijk "fake" tracklets veroorzaakt door ruis, straling of misreconstructie van standaarddeeltjes zoals elektronen, muonen en hadronen) wordt volledig data-gedreven geschat.
  • Er worden Template Regions (TRs) en Control Regions (CRs) gebruikt om transferfactoren (TFs) en schaalfactoren (SFs) te berekenen.
  • De verdeling van de tracklet-impuls ($p_T$) in de achtergrond wordt gemodelleerd en vervolgens geëxtrapoleerd naar de signalgebieden.

3. Belangrijkste Bijdragen

• Verbeterde Tracklet-herconstructie: De mogelijkheid om sporen met slechts drie pixelhits te reconstrueren, vergroot het bereik naar kortere levensduurscenario's aanzienlijk.
• Machine Learning voor Pion-identificatie: De introductie van een BDT om laag-energetische pionnen te identificeren in een omgeving met veel achtergrond, wat essentieel is voor de higgsino-zoektocht.
• Geavanceerde Achtergrondschatting: Een robuuste, data-gedreven methode die de dominantie van "fake" tracklets nauwkeurig kwantificeert zonder te vertrouwen op simulatie voor de normalisatie.
• Nieuwe Kwaliteitscriteria: De eis dat een verdwijnend spoor geen energie-depositie in de calorimeters mag hebben, heeft de achtergrondreductie significant verbeterd (verantwoordelijk voor ongeveer twee derde van de verbetering in het massabereik voor wino-scenario's).

4. Resultaten
Er werden geen significante afwijkingen gevonden ten opzichte van de voorspellingen van het Standaardmodel. De waarnemingen komen overeen met de achtergrond binnen 2$\sigma$.

Er werden 95% CL (Confidence Level) uitsluitingslimieten gesteld op de massa's van de deeltjes:

• Wino-achtige Chargino's:
  • Voor een levensduur van ~1 ns: Massa's tot 880 GeV (verwacht: 1020 GeV) zijn uitgesloten.
  • Voor kortere levensduur (0,2 ns): Massa's tot 460 GeV zijn uitgesloten (consistent met eerdere resultaten, maar nu met betere systematiek).
• Higgsino-achtige Chargino's:
  • Voor levensduur < 0,03 ns (zeer kort): Massa's tot 225 GeV (verwacht: 250 GeV) zijn uitgesloten. Dit is een verbetering van 15 GeV ten opzichte van eerdere analyses.
  • Voor levensduur ~1 ns: Massa's tot 720 GeV (verwacht: 840 GeV) zijn uitgesloten.
• $\tau$-Sleptonen:
  • In CMSSM-scenario's: Massa's tot 320 GeV (verwacht: 390 GeV) zijn uitgesloten.
  • In GMSB-scenario's: Massa's tot 300 GeV (verwacht: 380 GeV) zijn uitgesloten.
  • (Geldig voor een levensduur van ~1 ns).

5. Betekenis
Deze analyse vertegenwoordigt een belangrijke stap voorwaarts in de zoektocht naar Supersymmetrie, specifiek in het gebied van langlevende geladen deeltjes.

• Uitbreiding van het Parameterbereik: Door de focus te verleggen naar tracklets met slechts drie hits, kan ATLAS nu scenario's testen die voorheen ontoegankelijk waren, met name voor higgsino-achtige donkere materie-kandidaten met zeer korte levensduren.
• Scherpere Limieten: De limieten op de massa's van chargino's en sleptonen zijn aanzienlijk aangescherpt ten opzichte van eerdere Run-2 analyses, wat de ruimte voor bepaalde SUSY-modellen verder inperkt.
• Technologische Vooruitgang: De succesvolle implementatie van machine learning voor de identificatie van zachte deeltjes en de data-gedreven achtergrondschatting biedt een blauwdruk voor toekomstige zoektochten naar exotische, langlevende deeltjes bij de HHLHC (High-Luminosity LHC).

Kortom, hoewel er geen nieuw deeltje is gevonden, heeft deze zoektocht de gevoeligheid van de ATLAS-detector voor een specifieke en theoretisch interessante klasse van BSM-fysica (Beyond Standard Model) aanzienlijk verbeterd.