Search for pair-produced vector-like $T$-quarks decaying into $Ht$ final states in the lepton-plus-jets channel in $pp$ collisions at $\sqrt{s}$=13 TeV with the ATLAS detector

Met behulp van 139 fb$^{-1}$ aan proton-protonbotsingsdata bij 13 TeV van de ATLAS-detector zoekt deze studie naar geproduceerde paren van vector-achtige $T$-quarks die vervallen in Higgs-top eindtoestanden in het kanaal met een lepton en jets, waarbij geen significante overschrijding boven de voorspellingen van het Standaardmodel wordt gevonden en ondergrenzen voor de massa worden vastgesteld bij een betrouwbaarheidsniveau van 95% variërend van 1,40 tot 1,66 TeV, afhankelijk van de representatie van de $T$-quark en het vertakkingspercentage.

De kern

Het Grote Plaatje: Jagen op "Zware Tweelingen"

Stel je het heelal voor als een gigantisch, supersnel racetrack (de Large Hadron Collider, of LHC). Fysici bij CERN zijn als race-officials die protonen bijna met de lichtsnelheid tegen elkaar aan laten knallen om te zien wat er gebeurt. Meestal produceren deze botsingen een voorspelbare reeks deeltjes, zoals standaardauto's en motorfietsen.

Echter, het Standaardmodel (ons huidige regelboek voor natuurkunde) heeft een paar gaten. Een grote vraag is: Waarom is het Higgs-boson (het deeltje dat andere deeltjes massa geeft) zo licht? Om dit "fine-tuning"-probleem op te lossen, suggereren sommige theorieën dat er "zware tweelingen" zijn van de top-quark (het zwaarst bekende deeltje). Deze worden Vector-Like T-quarks genoemd.

Dit paper is een rapport van het ATLAS-experimentteam waarin staat: "We hebben zeer intensief gezocht naar deze zware tweelingen, maar we hebben ze niet gevonden. We kunnen echter met grote zekerheid zeggen dat, als ze bestaan, ze zwaarder moeten zijn dan we eerder dachten."

De Strategie: De "Zwaargewicht-Bokswedstrijd"

Omdat deze T-quarks zo zwaar zijn, is het moeilijk om ze te maken. Als ze wel worden gemaakt, duren ze niet lang; ze breken onmiddellijk af (vervallen) in andere deeltjes.

Het team besloot te zoeken naar een specifiek scenario:

1. Het Paar: Ze zoeken naar twee T-quarks die tegelijk worden gemaakt (zoals een paar zwaargewicht-boksers die de ring binnenkomen).
2. Het Verval: Minstens één van hen breekt af in een Higgs-boson en een top-quark.
3. Het Spoor: Het Higgs-boson splitst vervolgens in twee "bottom"-quarks, en de top-quark splitst in een licht deeltje (een elektron of muon), een spookachtig neutrino en nog een bottom-quark.

De Analogie: Stel je voor dat je probeert een specifiek type zeldzaam, zwaar fruit (de T-quark) te vinden in een enorm boomgaard. Je weet dat wanneer dit fruit valt, het splitst in een specifieke combinatie van zaden en sap. In plaats van naar het fruit zelf te zoeken, zoek je naar de unieke hoop zaden en sap die het achterlaat.

Het Detectivewerk: De Ruis Sorteren

Het probleem is dat de boomgaard vol zit met gewoon fruit dat de hele tijd valt (Standaardmodel-achtergrond). Het team moest de ruis filteren om het zeldzame signaal te vinden.

• De "Reclustering"-Truc: Wanneer zware deeltjes vervallen, bewegen ze zo snel dat hun puin (jets van deeltjes) tegen elkaar wordt geperst. Het team gebruikte een speciale techniek genaamd "variable-radius jets". Denk hierbij aan het gebruik van een slimme camera-lens die automatisch in- of uitzoomt, afhankelijk van hoe snel het object beweegt, zodat ze de hele "puinhoop" correct vastleggen, zelfs als deze zich ongelooflijk snel verplaatst.
• Het Neuraal Netwerk (De AI-Detective): Ze trainden een computerbrein (een neuraal netwerk) om naar de vorm, snelheid en rangschikking van deze puinhoopjes te kijken. Het is alsof je een hond leert een specifiek geur op te sporen. De AI leerde onderscheid te maken tussen het rommelige, willekeurige puin van normale botsingen en het schone, gestructureerde puin van een zware T-quark-verval.

De Resultaten: "Niet Gevonden, Maar We Weten Waar Ze Niet Zijn"

Na analyse van 139 "inverse femtobarns" aan data (wat een enorme hoeveelheid botsingsdata is, gelijk aan jaren aan het laten draaien van de versneller), vond het team geen bewijs voor deze zware T-quarks. De data kwam perfect overeen met de voorspellingen voor normale natuurkunde.

Omdat ze ze niet vonden, zetten ze een "omheining" neer rond waar de T-quarks zouden kunnen zijn. Ze kunnen nu T-quarks uitsluiten die lichter zijn dan bepaalde gewichten:

• Als de T-quark een "Singlet" is (een specifiek type deeltje), moet deze zwaarder zijn dan 1,40 TeV.
• Als het een "Doublet" is, moet deze zwaarder zijn dan 1,56 TeV.
• Als hij alleen vervalt in het Higgs-boson en de top-quark (100% van de tijd), moet deze zwaarder zijn dan 1,66 TeV.

De Metafoor: Stel je voor dat je op zoek bent naar een verborgen schatkist in een veld. Je graaft het hele veld op en vindt niets. Je kunt niet zeggen dat de kist niet bestaat, maar je wel zeggen: "Als de kist daar is, moet hij dieper begraven zijn dan 3 meter, omdat we alles daarboven hebben opgegraven." Dit paper graaft dieper dan ooit tevoren, waardoor de "begravendiepte"-limiet verder naar beneden wordt geduwd.

Waarom Dit Belangrijk Is

Dit is de meest gevoelige zoektocht van dit type tot nu toe. Door meer data te gebruiken (139 fb⁻¹ versus de vorige 36 fb⁻¹) en betere AI-tools, heeft het ATLAS-team de grenzen van onze kennis verlegd. Ze hebben de "zware tweelingen" niet gevonden, maar door te bewijzen dat ze zich niet in het lichtere massabereik verstoppen, dwingen ze fysici hun theorieën opnieuw te bekijken of in de toekomst naar deze deeltjes te zoeken bij nog hogere energieën.

Kortom: De jacht op de zware T-quark gaat door, maar het zoekgebied is aanzienlijk ingeperkt. Als ze er zijn, zijn ze zwaarder en moeilijker te vinden dan we hoopten.

Technische samenvatting

Technische Samenvatting: Zoektocht naar Paarsgewijs Geproduceerde Vector-achtige T-Kwarten die Vallen in Ht Eindtoestanden

Probleem en Motivatie
Het Standaardmodel (SM) van de deeltjesfysica staat voor het hiërarchieprobleem met betrekking tot de grote discrepantie tussen het elektroweak massaschaal en de Planckschaal. Een voorgestelde oplossing behelst het uitbreiden van het SM met vector-achtige kwarken (VLQ's), die de kwadratisch divergente stralingscorrecties op de Higgsbosonmassa kunnen compenseren. Dit artikel presenteert een zoektocht naar paarsgewijs geproduceerde up-type vector-achtige $T$-kwarken, waarvan wordt verwacht dat ze bij voorkeur koppelen aan kwarken van de derde generatie van het SM. De analyse richt zich specifiek op het vervalkanaal waarbij ten minste één $T$-kwark vervalt in een Higgsboson en een topkwark ($T \to Ht$), met daaropvolgende vervalprocessen $H \to b\bar{b}$ en $t \to \ell \nu_\ell b$ (waarbij $\ell = e, \mu$). De zoektocht wordt uitgevoerd in het eindtoestand met lepton plus jets, gebruikmakend van proton-proton botsingsdata bij een zwaartepuntsenergie van $\sqrt{s} = 13$ TeV.

Methodologie
De analyse maakt gebruik van de volledige Run 2-dataset verzameld door de ATLAS-detector bij de Large Hadron Collider (LHC), overeenkomend met een geïntegreerde lichtkracht van 139 fb$^{-1}$.

• Eventreconstructie en Selectie: De signaaltopologie wordt gekenmerkt door precies één geïsoleerd elektron of muon, significante ontbrekende transversale impuls ($E_T^{\text{miss}}$) en meerdere jets, inclusief met $b$-tagging gemarkeerde jets. Om de gebooste aard van zware resonanties te hanteren, maakt de analyse gebruik van jets met variabele straal ($R_{\text{eff}}$), gereconstrueerd via herclustering van jets met kleine straal ($R$). Deze worden gemasseerd getagd om kandidaten te identificeren voor hadronisch vervallende $W$-, $H$- en topkwarken. Leptonische topkwark-kandidaten worden gereconstrueerd door een leptonische $W$-bosonkandidaat te combineren met een met $b$-tagging gemarkeerde jet.
• Achtergrondmodellering en Herweging: De dominante achtergronden zijn de paarsgewijze productie van topkwarken ($t\bar{t}$), single-top en $V$+jets-processen. Om discrepanties tussen simulatie en data aan te pakken, met name in de modellering van $t\bar{t}$- en $V$+jets-werkzame doorsneden bij hoge jet-multipliciteiten en transversale impulsen, wordt een iteratieve datagedreven herwegingstechniek toegepast. Dit corrigeert de normalisatie en vorm van achtergronddistributies op basis van controlezones verrijkt met $Z$+jets- en $t\bar{t}$-evenementen.
• Multivariate Analyse: Een feed-forward neurale netwerken (NN) wordt ingezet om signaal van achtergrond te onderscheiden. De classifier maakt gebruik van 30 invoervariabelen, waaronder kinematische eigenschappen (bijv. effectieve massa $m_{\text{eff}}$, transversale impulsen van jets met variabele straal) en topologische kenmerken (bijv. hoekseparaties, multipliciteiten van samenstellende deeltjes). De NN wordt getraind op gesimuleerde signaal- en achtergrondsteekproeven.
• Eventcategorisering: Evenementen worden gecategoriseerd in signaalzones (SR's) en controlezones (CR's) op basis van de NN-uitvoerscore ($h_{\text{NN}}$), het aantal met $b$-tagging gemarkeerde jets (2, 3 of $\ge 4$) en de aanwezigheid van met $H$ getagde jets. Drie SR-categorieën worden gedefinieerd door NN-scoredrempels: High-NN (HNN), Mid-NN (MNN) en Low-NN (LNN). De LNN-zone, met lagere signaalzuiverheid maar hoge achtergrondstatistieken, wordt gebruikt om achtergrondnormalisaties te beperken in de statistische fit.
• Statistische Analyse: Een gebinned profiel-likelihood-fit wordt uitgevoerd op de verdeling van de effectieve massa ($m_{\text{eff}}$) over alle analysezones. De fit omvat nuisance-parameters voor systematische onzekerheden (experimenteel en theoretisch) en vrije normalisatiefactoren voor specifieke achtergrondcomponenten ($t\bar{t}+c$ en $t\bar{t}+b$).

Belangrijkste Bijdragen

• Verbeterde Achtergrondmodellering: De implementatie van een datagedreven herwegingstechniek verbetert de overeenkomst tussen data en SM-predicties voor $t\bar{t}$- en $V$+jets-achtergronden aanzienlijk, met name in kinematische regimes die relevant zijn voor zoektochten naar zware resonanties.
• Versterkte Signaalscheiding: Het gebruik van een neurale netwerkklassificator, gecombineerd met expliciete reconstructie van leptonische topkwark-kandidaten en het benutten van de tegenover elkaar liggende topologie van paarsgewijs geproduceerde zware deeltjes, biedt superieure scheidingskracht in vergelijking met eerdere ATLAS-zoektochten in dit kanaal.
• Uitgebreide Scenario-testen: De zoektocht interpreteert resultaten onder drie verschillende benchmarkscenario's: het SU(2)-singlet, het SU(2)-dublet en een scenario waarbij het vertakkingsverhouding $B(T \to Ht)$ op 100% wordt gesteld.

Resultaten
Er wordt geen significant overschot aan evenementen boven de voorspelling van het Standaardmodel waargenomen in een van de analysezones. Bijgevolg worden bovengrenzen voor de paarsgewijze productie-werkzame doorsnede van vector-achtige $T$-kwarken vastgesteld op het 95%-betrouwbaarheidsniveau (CL).

De waargenomen ondergrenzen voor de massa van de $T$-kwark zijn:

• 1,40 TeV voor de SU(2)-singlet-representatie.
• 1,56 TeV voor de SU(2)-dublet-representatie.
• 1,66 TeV voor het scenario waarbij $B(T \to Ht) = 100\%$.

Deze grenzen vertegenwoordigen de strengste beperkingen tot nu toe voor het SU(2)-dublet en het scenario $B(T \to Ht) = 100\%$, en strekken de eerdere uitsluitingsgrenzen uit met respectievelijk 0,07 TeV en 0,16 TeV. Voor het SU(2)-singlet-scenario verbetert dit resultaat de vorige ATLAS-grens met 0,04 TeV. De analyse wordt opgemerkt als primair beperkt door statistische onzekerheden.

Betekenis
Het artikel beweert dat deze resultaten de strengste uitsluitingsgrenzen bieden die momenteel beschikbaar zijn voor vector-achtige $T$-kwarken in de gespecificeerde vervalkanalen en gauge-representaties. Door gebruik te maken van de volledige Run 2-dataset en geavanceerde analysetechnieken (herweging en machine learning), onderzoekt de zoektocht effectief hogere massabereiken dan eerdere ATLAS-analyses. De auteurs merken op dat hoewel de huidige zoektocht statistisch beperkt is, het verhoogde datavolume dat wordt verwacht van Run 3 en de High-Luminosity LHC aanzienlijk potentieel biedt om de gevoeligheid uit te breiden naar nog hogere massa's. De resultaten zijn beschikbaar voor herinterpretatie via HEPData, inclusief eventopbrengsten, systematische onzekerheden en de statistische werkruimte.