Down-Type Jet Identification in Fully Hadronic $t\bar t$ Events

In de subatomaire wereld is het topquark een reus. Het is het zwaarste bekende elementaire deeltje, zo massief dat het vervalt in andere deeltjes voordat het zelfs een stabiele structuur zoals een atoom kan vormen. Omdat het zo snel sterft, wordt de manier waarop het spint wanneer het wordt gecreëerd, afgedrukt op de richtingen van de deeltjes die het achterlaat. Natuurkundigen bestuderen deze richtingen om de fundamentele regels van de kwantummechanica te begrijpen, specifiek hoe deeltjes "verstrengeld" kunnen zijn, een fenomeen waarbij twee objecten verbonden blijven op een manier die de alledaagse intuïtie tart. Om deze verstrengeling duidelijk te zien, moeten wetenschappers de specifieke paden van de vervalproducten met extreme precisie volgen.

Jarenlang hebben onderzoekers zich gericht op topquarks die vervallen in deeltjes waaronder elektronen of muonen, die gemakkelijker te spotten en te meten zijn. Echter, de meest voorkomende manier waarop een paar topquarks vervalt, is in een straal van gewone deeltjes die jets worden genoemd, een scenario dat bekend staat als het "volledig hadronische" kanaal. Dit pad is statistisch gezien het meest overvloedig en biedt vier keer meer gebeurtenissen dan de elektrongebaseerde methoden. Toch is het grotendeels genegeerd voor spinstudies omdat het een chaotische bende is. In dit kanaal produceren de topquarks jets die identiek lijken aan de achtergrondruis van de deeltjesversneller, en de specifieke deeltjes die nodig zijn om de spin te meten, zijn begraven binnen deze jets. Zonder een manier om het signaal van de ruis te scheiden, gaat de waardevolle informatie over de spin van het topquark verloren.

Een team van onderzoekers heeft nu een nieuwe methode ontwikkeld om deze chaos te ontwarren, waardoor het moeilijkste kanaal een bruikbaar instrument voor kwantumstudie wordt. Ze creëerden een tweestaps kunstmatige intelligentie-systeem dat ontworpen is om de gehele gebeurtenis vanaf nul te reconstrueren. Eerst kijkt het systeem naar alle jets die bij een botsing worden geproduceerd en sorteert ze in de juiste groepen, waarbij het identificeert welke jets afkomstig zijn van de zware topquarks en welke van de lichtere deeltjes. Vervolgens voert het systeem een tweede, meer delicate taak uit: het onderscheiden tussen twee soorten deeltjes binnen die jets die bijna identiek lijken maar tegengestelde informatie over de spin dragen. Door dit systeem te trainen op miljoenen gesimuleerde botsingen, ontdekden de onderzoekers dat hun nieuwe methode erin slaagde de juiste deeltjespaden te identificeren, waardoor spininformatie die voorheen ontoegankelijk was, werd teruggewonnen.

De kern van de uitdaging ligt in de aard van het verval. Wanneer een topquark vervalt, produceert het een W-boson, dat vervolgens uiteenvalt in twee jets. Eén van deze jets komt van een "down-type" quark, die fungeert als een perfect kompas voor de spin van het topquark, terwijl de andere komt van een "up-type" quark, die geen dergelijke directionele aanwijzing biedt. In het volledig hadronische kanaal zijn deze twee jets ononderscheidbaar voor standaarddetectoren. Als een natuurkundige fout raadt over welke het welke is, wordt de spinmeting verdund of volledig onjuist. De oplossing van de onderzoekers was om een neuraal netwerk te bouwen dat niet simpelweg raadt, maar leert om subtiele patronen in de interne structuur van de jets te herkennen, zoals de manier waarop de energie verdeeld is over de minuscule deeltjes binnen hen.

Het team testte hun systeem met een enorme dataset van gesimuleerde botsingen, die de omstandigheden van een deeltjesversneller met hoge energie vertegenwoordigt. Ze verdeelden het werk in twee stappen. De eerste stap fungeerde als een brede sorteerder, die alle jets van een gebeurtenis nam en ze rangschikte in een legale zes-jet-kandidaat die overeenkomt met het verwachte patroon van twee topquarks. Deze stap moest de overweldigende achtergrondruis van willekeurige deeltjesbotsingen wegfilteren. De tweede stap nam de zes geselecteerde jets en probeerde het specifieke puzzelstukje van de down-type versus up-type quarks op te lossen. Om deze tweede stap te verbeteren, introduceerden ze een nieuwe trainingstechniek waarbij gebruik wordt gemaakt van een "diffusieproces", een methode om de computer te leren patronen te herkennen door geleidelijk ruis toe te voegen en vervolgens weer te verwijderen van data.

Verrassend genoeg ontdekten de onderzoekers dat de standaard manier om dit diffusiecomponent te trainen niet werkte voor hun specifieke doel. Wanneer ze probeerden het systeem simpelweg te leren om ruis te verwijderen, waren de resulterende scores niet beter dan willekeurig gokken. Echter, toen ze het trainingsdoel veranderden om zich te concentreren op het hoger ranken van het juiste antwoord dan de foute antwoorden, werd het systeem plotseling zeer effectief. Deze bevinding suggereert dat voor dit type complexe sorteervraagstuk, het doel van de training specifiek moet worden afgestemd op de taak van het onderscheiden tussen gelijkaardige opties, in plaats van algemene patroonherkenning.

De resultaten van de simulatie toonden een significante verbetering ten opzichte van eerdere methoden. Toen de onderzoekers hun nieuwe tweestaps-systeem toepasten, waren ze in staat om de juiste deeltjespaden met veel hogere nauwkeurigheid te identificeren dan wanneer ze simpelweg zouden gokken. In een specifiek testscenario verhoogde de nieuwe methode de kwaliteit van de spininformatie met een factor van bijna 1,7 vergeleken met een baseline waarbij de deeltjestypes willekeurig werden toegewezen. Dit betekent dat de nieuwe methode, voor hetzelfde aantal gebeurtenissen, een veel duidelijker beeld geeft van de kwantumspincorrelaties. Bovendien was het systeem in staat om de spincorrelatiecoëfficiënt, een sleutelgetal dat wordt gebruikt om verstrengeling te meten, te reconstrueren met een waarde die binnen de verwachte statistische limieten overeenkwam met de theoretische waarheid.

Dit werk demonstreert dat het volledig hadronische kanaal, dat lang als te chaotisch werd beschouwd voor precisie-spinstudies, getemd kan worden met de juiste instrumenten. Door de down-type quarks binnen de jets succesvol te identificeren, hebben de onderzoekers een nieuw venster geopend op het kwantumgedrag van het topquark. De methode rust niet op nieuwe fysica of veranderingen aan de detector; het rust volledig op een slimmere manier van het verwerken van de data die al wordt verzameld. De studie bevestigt dat met geavanceerde machine learning, het meest overvloedige vervalkanaal van het topquark nu kan bijdragen aan ons begrip van kwantumverstrengeling, wat een rijker en completer beeld biedt van de subatomaire wereld dan voorheen mogelijk was.