⚛️ hoog-energie-experimenten

Search for nonresonant production of strongly coupled dark matter in proton-proton collisions at $\sqrt{s}$ = 13 TeV

Gebruikmakend van 138 fb $^{-1}$ aan proton-proton botsingsgegevens bij $\sqrt{s}$ = 13 TeV verzameld door de CMS-detector, presenteert deze studie een zoektocht naar niet-resonant semivisibele jets indicatief voor sterk gekoppelde donkere materie met behulp van zowel gesuperviseerde als ongesuperviseerde machine learning-technieken, waarbij geen significante overmaat werd gevonden en uitsluitingslimieten op mediatormassa's tot 2,4 TeV werden vastgesteld.

Oorspronkelijke auteurs: CMS Collaboration

Gepubliceerd 2026-10-27

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: CMS Collaboration

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Decennialang zijn de krachtigste machines op aarde bezig geweest met het tegen elkaar aan laten botsen van protonen bij bijna de snelheid van het licht, waarbij een universum wordt onthuld dat is opgebouwd uit een specifieke set fundamentele deeltjes. Dit standaardmodel van de fysica is opmerkelijk succesvol geweest in het voorspellen van het gedrag van alles, van de lichtste atomen tot de zwaarste bekende deeltjes. Toch weten astronomen al lang dat dit model incompleet is. Observaties van hoe sterrenstelsels draaien en hoe licht buigt rond massieve clusters van sterren suggereren dat het grootste deel van de materie in het universum onzichtbaar is. Deze ontbrekende massa, bekend als donkere materie, zendt geen licht uit, reflecteert het niet en interageert niet met de krachten die atomen bij elkaar houden, waardoor het onmogelijk is om het direct te zien. Terwijl wetenschappers jarenlang hebben gezocht naar een eenvoudig, zwaar deeltje dat deze duisternis zou kunnen verklaren, hebben zij niets gevonden. Deze stilte heeft onderzoekers ertoe gebracht om meer complexe mogelijkheden te overwegen: misschien is donkere materie niet één enkel eenzaam deeltje, maar een hele verborgen sector van deeltjes die met elkaar interageren via hun eigen krachten, vergelijkbaar met de zichtbare materie die wij kennen, maar die verborgen blijft voor ons zicht.

In een recente studie heeft de CMS-collaboratie bij de Large Hadron Collider in Zwitserland een van deze complexe ideeën op de proef gesteld. Ze zochten naar bewijs van een "donkere sector" waar deeltjes in paren worden gecreëerd, waarbij het ene deel van het paar zichtbaar is en het andere deel onzichtbaar. In dit scenario zou een zwaar deeltje vervallen in een spray van nieuwe deeltjes. Sommige van deze nieuwe deeltjes zouden stabiel en onzichtbaar zijn, waardoor ze zonder een spoor uit de detector ontsnappen, terwijl andere onstabiel zouden zijn en onmiddellijk zouden vervallen in gewone deeltjes die de detector wel kan zien. Het resultaat zou een jet van deeltjes zijn die lijkt op een normale spray van puin, maar met een aanzienlijk deel aan ontbrekende energie. De onderzoekers noemden deze vreemde objecten "semivisibele jets". In tegen tegenstelling tot typische zoektochten naar donkere materie, die zoeken naar een enkele jet die terugstuit tegen een grote kloof van ontbrekende energie, zocht deze zoektocht naar de ontbrekende energie die direct naast de zichtbare jet gealigneerd was, verborgen binnen de spray zelf.

Om deze ongrijpbare signalen te vinden, analyseerde het team een enorme dataset van proton-protonbotsingen verzameld tussen 2016 en 2018, wat overeenkomt met een geïntegreerde luminositeit van 138 inverse femtobarn. Deze hoeveelheid data vertegenwoordigt een enorm aantal botsingen, wat zorgt voor een diepe bron van informatie om doorheen te zeven. De uitdaging was om deze hypothetische semivisibele jets te onderscheiden van de overweldigende achtergrond van gewone deeltjessprays die worden geproduceerd door standaard fysische processen. Om dit te doen, gebruikten de onderzoekers twee verschillende machine learning-strategieën. De eerste was een gesuperviseerde aanpak, waarbij een computerprogramma werd getraind op simulaties van het specifieke donkere materie-model om de unieke patronen van een semivisibele jet te herkennen. De tweede was een ongesuperviseerde aanpak, waarbij een ander computerprogramma leerde hoe een normale jet eruitziet door echte data te bestuderen, en vervolgens elke jet markeerde die er ongewoon of "anomaal" uitzag vergeleken met die norm. Deze tweede methode was ontworpen om flexibeler te zijn, in staat om signalen op te merken zelfs als ze niet perfect overeenkwamen met de specifieke simulaties die in de eerste methode werden gebruikt.

De analyse richtte zich op gebeurtenissen waarbij de ontbrekende energie gealigneerd was met een jet, een handtekening die een "smoking gun" zou zijn voor dit type donkere sector. De onderzoekers filterden zorgvuldig gebeurtenissen weg die werden veroorzaakt door detectorfouten of bekende achtergrondprocessen, zoals de productie van top quarks of het verval van W- en Z-bosonen. Vervolgens onderzochten ze de distributie van ontbrekende energie over alle gebeurtenissen die ze hadden verzameld. Ondanks de geavanceerde instrumenten en de enorme hoeveelheid data, bleef de zoektocht zonder resultaat. De onderzoekers vonden geen significante overmaat aan gebeurtenissen die aan semivisibele jets toegeschreven konden worden. De data kwamen perfect overeen met de voorspellingen van het standaardmodel, zonder tekenen van de verborgen sector-deeltjes waar ze op jaagden.

Omdat er geen signaal werd gevonden, gebruikte het team hun resultaten om specifieke versies van het donkere materie-model dat ze testten uit te sluiten. Ze stelden vast dat als deze semivisibele jets bestaan, het zware deeltje dat ze creëert, een massa kan hebben tussen 0,5 en 2,4 biljoen elektronvolt, afhankelijk van de andere eigenschappen van het model. Voor de ongesuperviseerde zoektocht, die beter is in het opsporen van signalen waarbij het onzichtbare deel van de jet groter is, waren ze in staat om massa's tot 2,1 biljoen elektronvolt uit te sluiten. Deze limieten zijn significant omdat ze de deur sluiten voor een breed scala aan theoretische mogelijkheden die nog niet eerder waren getest. De studie demonstreert dat zelfs wanneer donkere materie verborgen zit in een jet, vermengd met gewone deeltjes, het een duidelijke vingerafdruk achterlaat die moderne detectoren en geavanceerde computeralgoritmen kunnen zoeken. Hoewel de zoektocht geen donkere materie vond, heeft het succesvol het gebied in kaart gebracht waar het niet is, wat toekomstige experimenten richting nieuwe mogelijkheden leidt.

Technische Samenvatting: Zoektocht naar niet-resonantieproductie van sterk gekoppelde donkere materie in proton-protonbotsingen bij $\sqrt{s} = 13$ TeV

Probleem en Motivatie
Hoewel het Standaardmodel (SM) van de deeltjesfysica de bekende fundamentele deeltjes succesvol beschrijft, wijzen astronomische observaties—zoals rotatiecurves van sterrenstelsels en gravitationele lensing—sterk op de aanwezigheid van donkere materie (DM) die niet verklaard wordt door de huidige theorie. Traditionele collider-zoektochten hebben zich gericht op zwakkerellinteragerende massieve deeltjes (WIMPs), die doorgaans signaturen produceren van ontbrekende transversale impuls ( $p^{\text{miss}}_T$ ) die terugstoot tegen zichtbare SM-deeltjes. Echter, er is geen bewijs gevonden voor WIMP DM.

Dit artikel onderzoekt een alternatieve klasse van modellen die betrokken zijn bij "hidden valleys" of donkere sectoren (DS) die worden beheerst door een confluente interactie vergelijkbaar met de SM-kwantumchromodynamica (QCD), vaak aangeduid als "donkere QCD". In deze scenario's vormen donkere quarks showers en hadroniseren ze tot donkere hadronen. Stabiele donkere hadronen ontsnappen aan de detector als DM, terwijl onstabiele hadronen direct vervallen in SM-quarks. Dit proces resulteert in "semivisibele jets" (SVJs)—gecollimateerde sprays die zowel zichtbare deeltjes als onzichtbare DM-kandidaten bevatten. In tegenstelling tot conventionele DM-zoektochten waarbij $p^{\text{miss}}_T$ terugstoot tegen een jet, vertonen SVJ-events $p^{\text{miss}}_T$ die uitgelijnd is met de jet zelf. Dit artikel presenteert de eerste CMS-zoektocht naar de niet-resonantieproductie van dergelijke sterk gekoppelde donkere materie.

Methodologie
De analyse maakt gebruik van proton-protonbotsingsdata verzameld door de CMS-detector bij $\sqrt{s} = 13$ TeV tijdens de 2016–2018 data-afnameperiode, wat overeenkomt met een geïntegreerde luminositeit van 138 fb $^{-1}$ .

Signaalmodel: Het signaal wordt gemedieerd door een massieve bifundamentele scalaire $\Phi$ die simultaan koppelt aan SM-quarks en donkere quarks. Het model wordt gedefinieerd door vier parameters: de mediator-massa ( $m_\Phi$ ), de Yukawa-koppeling ( $\lambda$ ), het fractie van stabiele donkere hadronen ( $r_{\text{inv}}$ ), en de donkere-hadron massa-schaal ( $m_{\text{dark}}$ ).
Event Selectie: Events worden geselecteerd op basis van een hoge scalaire som van transversale impulsen ( $S_T > 1300$ GeV), ten minste twee brede jets ( $R=0.8$ ), en significante $p^{\text{miss}}_T$ ( $> 200$ GeV). Een cruciaal selectiecriterium vereist dat de minimale hoek tussen een jet en de $p^{\text{miss}}_T$ -vector ( $\Delta\phi_{\text{min}}$ ) kleiner is dan 1.5, wat de verwachte uitlijning in SVJ-events weerspiegelt.
Machine Learning Strategieën: Er worden twee complementaire taggers gebruikt om SVJs te onderscheiden van SM-jets:
1. Gesuperviseerde Tagger (PARTICLENET): Een graph neural network (GNN) getraind op gesimuleerde signaal- en achtergrond-samples. Het maakt gebruik van deeltjesniveau-informatie (constituent vier-vectoren) om specifieke donkere-shower dynamica te leren. Het is zeer gevoelig voor de specifieke modelparameters die gebruikt worden bij de training, maar minder model-agnostisch.
2. Ongesuperviseerde Tagger (Wasserstein Normalized Autoencoder - WNAE): Een anomaliedetectie-algoritme getraind op SM-data (QCD- en $t\bar{t}$ -verrijkte regio's) om de waarschijnlijkheidsverdeling van de SM-jet substructuur te leren. Het identificeert SVJs als jets met een anomale substructuur zonder voorafgaande kennis van het signaalmodel, wat een bredere gevoeligheid biedt voor ongeteste signaalhypothesen.
Achtergrondschatting: De dominante achtergrond komt voort uit QCD-multijet events waarbij misgemeten jets kunstmatige $p^{\text{miss}}_T$ induceren. Dit wordt geschat met de ABCDisCoTEC-methode, een machine-learning-verbeterde ABCD-techniek. Een neuraal netwerk-classifier wordt getraind om gedecorreleerd te zijn van $p^{\text{miss}}_T$ om events te partitioneren in vier regio's (A, B, C, D), waardoor de achtergrond in de signaalregio (A) voorspeld kan worden vanuit controle-regio's (B, C, D) met behulp van data.
Systematische Onzekerheden: Onzekerheden omvatten detector-effecten (jet energie schaal/resolutie, pileup), theoretische modellering (PDF's, renormalisatieschalen), en specifieke correcties voor de mismodellering van jet substructuur met behulp van Lund jet plane dichtheden.

Belangrijkste Bijdragen

Dual-Strategie Aanpak: Het artikel introduceert en vergelijkt een model-afhankelijke gesuperviseerde GNN en een model-agnostische ongesuperviseerde autoencoder voor SVJ-identificatie, waarbij de afruil tussen specifieke gevoeligheid en model-onafhankelijkheid wordt gedemonstreerd.
Substructuur Correctie: Een nieuwe correctiemethode wordt toegepast op signaal-simulaties om de mismodellering van jet substructuur aan te pakken. Dit omvat het herclusteren van signaal-jets in subjets die overeenkomen met SM-quarks en het herwegen van deze op basis van de Lund jet plane dichtheid geobserveerd in data-controregio's.
ABCD Methode Verbetering: De toepassing van de ABCDisCoTEC-methode maakt een robuuste achtergrondschatting mogelijk in een regime dat gedomineerd wordt door instrumentele achtergronden (misgemeten jets), waar traditionele simulatie-gebaseerde schattingen onbetrouwbaar zijn.

Resultaten
Er werd geen significante overmaat aan events waargenomen ten opzichte van de verwachte SM-achtergrond in de $p^{\text{miss}}_T$ distributie voor noch de ene, noch de andere tagger-strategie. Als gevolg hiervan zijn bovengrenzen met 95% betrouwbaarheidsniveau (CL) gesteld op de productie-doorsnede van de bifundamentele mediator $\Phi$ .

Gesuperviseerde Zoektocht: Sluit mediator-massa's uit tussen 0.5 en 2.4 TeV, afhankelijk van andere signaalparameters. Voor signaalmodellen met $r_{\text{inv}} = 0.3$ en $\lambda = 1.0$ , zijn alle overwogen donkere-hadron massa's uitgesloten voor $m_\Phi < 1.7$ TeV.
Ongesuperviseerde Zoektocht: Sluit mediator-massa's uit tussen 0.5 en 2.1 TeV. Opmerkelijk genoeg, voor signaalmodellen met hogere fracties van stabiele donkere materie ( $r_{\text{inv}} \approx 0.6\text{--}0.9$ ), vertoont de ongesuperviseerde zoektocht een verhoogde gevoeligheid, waarbij mediator-massa's tot 2.1 TeV worden uitgesloten, terwijl de gesuperviseerde zoektocht (getraind op lagere $r_{\text{inv}}$ waarden) slechts tot 1.7 TeV uitsluit.
Parameterruimte: De resultaten sluiten specifieke regio's uit in de $(m_\Phi, r_{\text{inv}})$ , $(m_\Phi, m_{\text{dark}})$ , en $(m_\Phi, \lambda)$ vlakken. Bijvoorbeeld, voor $m_\Phi < 1.6$ TeV, zijn alle overwogen variaties van $\lambda$ uitgesloten in de gesuperviseerde zoektocht, terwijl $\lambda > 2$ is uitgesloten voor alle $m_\Phi$ in dezelfde strategie.

Significantie
Dit werk vertegenwoordigt de eerste CMS-zoektocht naar de niet-resonantieproductie van sterk gekoppelde donkere materie. Door machine learning technieken in te zetten om zowel jet-niveau substructuur als event-niveau kinematica te exploiteren, breidt de analyse de reikwijdte van donkere sector zoektochten uit voorbij de traditionele WIMP-paradigma's. Het artikel benadrukt dat terwijl gesuperviseerde methoden een hoge gevoeligheid bieden voor specifieke benchmark-modellen, ongesuperviseerde anomaliedetectie cruciale robuustheid biedt tegen de enorme onzekerheid in donkere sector parameters, waarbij succesvol regio's van de parameterruimte worden uitgesloten die anders onverkend zouden blijven. Deze resultaten complementeren bestaande zoektochten naar samengestelde donkere materie en leggen beperkingen op aan de productie van bifundamentele scalaire mediatoren in sterk gekoppelde donkere sectoren.

Meer zoals dit