Transformer Neural Networks in the Measurement of $t\bar{t}H$ Production in the $H\,{\to}\,b\bar{b}$ Decay Channel with ATLAS

Utilizando 140 fb⁻¹ de dados de colisões próton-próton a 13 TeV do detector ATLAS, este artigo apresenta uma medição da produção de $t\bar{t}H$ no canal de decaimento $H\to b\bar{b}$ que aproveita redes neurais do tipo transformer para melhorar significativamente a discriminação sinal-fundo e a reconstrução do momento transversal do Higgs, resultando em um excesso observado de 4,6 desvios padrão sobre a hipótese de apenas fundo.

O essencial

Imagine o Grande Colisor de Hádrons (LHC) como um enorme colisor de partículas de alta velocidade, onde cientistas colidem prótons para recriar as condições do universo primordial. Dentro desse caos, os físicos estão caçando um evento muito específico e raro: um "bóson de Higgs" (uma partícula fundamental que confere massa a outras partículas) nascendo ao mesmo tempo que um par de "quarks top" (as partículas mais pesadas conhecidas).

Este artigo descreve uma nova e inteligente maneira de encontrar esse evento raro usando dados coletados pelo detector ATLAS entre 2015 e 2018. Aqui está o detalhamento do que eles fizeram e do que encontraram, usando analogias do cotidiano.

O Desafio: Encontrar uma Agulha em um Palheiro

O evento específico que eles procuram é o bóson de Higgs decaindo em dois "quarks bottom". O problema é que o universo produz uma quantidade massiva de "ruído de fundo" — especificamente, pares de quarks top produzidos com jatos aleatórios de partículas — que se parece quase exatamente com o sinal que eles desejam.

Pense nisso como tentar ouvir uma música específica tocando em um estádio barulhento e lotado. A música é o sinal (o Higgs + quarks top), e o público torcendo é o ruído de fundo (quarks top + jatos aleatórios). Em tentativas anteriores, a "multidão" era tão barulhenta que era difícil dizer se a música estava realmente tocando.

A Nova Ferramenta: Redes Neurais do tipo "Transformer"

A maior inovação deste artigo é o uso de Redes Neurais Transformer. Você deve conhecer os Transformers das ferramentas de IA que escrevem ensaios ou traduzem idiomas. Neste contexto, os cientistas os usaram como uma máquina de classificação superinteligente.

• Por que Transformers? Em uma colisão de partículas, não há uma ordem fixa para as partículas que saem voando. Um Transformer é especial porque não se importa com a ordem; ele olha para o quadro geral de uma só vez. É como um detetive que pode olhar para uma cena de crime bagunçada com 50 pistas espalhadas e entender instantaneamente a história, enquanto um método antigo poderia ter tentado olhar para as pistas uma por uma em uma ordem específica.
• O Trabalho de Classificação: A IA foi treinada para observar cada colisão e decidir: "Este é o raro canto do Higgs ou é apenas a multidão barulhenta?". Ela classifica os eventos em diferentes categorias (como "Sinal", "Tipo de Multidão A", "Tipo de Multidão B") com uma precisão incrível.

A Estratégia: Afrouxar a Rede

Como a IA é tão boa em distinguir o sinal do ruído, os cientistas puderam mudar sua estratégia.

• O Jeito Antigo: No passado, eles tinham que estabelecer um filtro de "pré-seleção" muito rigoroso (como um segurança de uma boate) para manter o ruído fora. Isso significava que eles só olhavam para os eventos mais limpos e óbvios, mas perdiam muito do sinal real porque o filtro era muito apertado.
• O Novo Jeito: Com a IA atuando como um segurança superinteligente, eles puderam deixar mais pessoas entrarem na boate (afrouxar a pré-seleção). Eles deixaram entrar três vezes mais eventos do que antes. A IA então fez o trabalho pesado, classificando os bons dos ruins mais tarde no processo. Isso triplicou a capacidade deles de capturar o sinal.

Eles também construíram uma rede de "reconstrução". Imagine tentar descobrir a velocidade de um carro apenas olhando pelas marcas de frenagem que ele deixou. A IA observa os detritos da colisão e calcula a velocidade exata (momento transversal) do bóson de Higgs, permitindo que eles estudem como ele se comporta em diferentes velocidades.

Os Resultados: Um Sinal Claro

Após passar 140 unidades de dados de colisão (uma quantidade massiva de informação) por este novo sistema, os resultados foram claros:

1. Eles encontraram o sinal: Eles observaram um excesso de eventos que correspondem à previsão do bóson de Higgs.
2. Confiança Estatística: A chance de que isso seja apenas um acaso aleatório do ruído de fundo é incrivelmente baixa. O resultado tem uma significância de 4,6 desvios padrão.
   • Analogia: Se você jogasse uma moeda e obtivesse cara 4,6 vezes seguidas com mais frequência do que o acaso permitiria, você estaria bastante certo de que a moeda está viciada. Aqui, a "moeda" são os dados, e isso sugere fortemente que o bóson de Higgs está lá.
3. Comparação com a Teoria: O número de bósons de Higgs que eles encontraram coincide com o que o Modelo Padrão da física previu (dentro da margem de erro). É como se a IA tivesse previsto o tempo, e o tempo real tivesse coincidido perfeitamente com a previsão.

A Conclusão

Este artigo apresenta uma reanálise de dados antigos usando uma nova e poderosa técnica de IA. Ao usar redes neurais "Transformer" para filtrar o caos das colisões de partículas, a equipe do ATLAS foi capaz de triplicar sua sensibilidade, reduzir o ruído e confirmar a existência de bósons de Higgs produzidos ao lado de pares de quarks top com alta confiança. Esta é, atualmente, a medição mais precisa deste processo específico já realizada.

Resumo técnico

Resumo Técnico: Redes Neurais Transformer na Medição da Produção de $t\bar{t}H$

Problema e Contexto
A medição direta do acoplamento de Yukawa entre o quark top e o bóson de Higgs é crítica para compreender a quebra de simetria eletrofraca e a estabilidade do potencial de vácuo do Higgs. Embora existam medições indiretas via loops quânticos, a observação direta requer a produção associada de um bóson de Higgs com um par de quarks top ($t\bar{t}H$). A colaboração ATLAS publicou anteriormente uma medição deste processo no canal de decaimento $H \to b\bar{b}$ utilizando o conjunto completo de dados do Run 2 (140 fb$^{-1}$ a $\sqrt{s}=13$ TeV). No entanto, este canal enfrenta um desafio significativo: um grande fundo irredutível proveniente da produção de pares de quarks top associados com jatos adicionais ($t\bar{t} + \text{jets}$), particularmente aqueles contendo jatos de sabor pesado. Análises anteriores tiveram dificuldades com a aceitação do sinal e a modelagem do fundo, necessitando de uma reanálise com estratégias aprimoradas para alcançar maior precisão.

Metodologia
Este artigo apresenta uma reanálise do processo $t\bar{t}H(b\bar{b})$ utilizando uma estratégia sofisticada de análise multivariada (MVA) impulsionada por redes neurais transformer. As inovações metodológicas centrais incluem:

• Arquitetura Transformer: A análise emprega redes transformer, originalmente desenvolvidas para o processamento de linguagem natural, tanto para classificação de eventos quanto para a reconstrução do bóson de Higgs. Estas redes são escolhidas por sua invariância à permutação dos objetos de entrada e por sua capacidade de lidar com cardinalidade variável, o que é essencial para eventos de colisão de partículas onde o número de partículas finais varia e não existe uma ordenação fixa.
• Variáveis de Entrada: As redes utilizam informações de quatro-vetores de baixo nível e de $b$-tagging de todos os jatos, léptons e energia transversal faltante.
• Classificação de Eventos e Definição de Regiões: Ao contrário de análises anteriores que dependiam de cortes cinemáticos estritos, esta estratégia utiliza as saídas das redes neurais para definir regiões. O fundo ($t\bar{t} + \text{jets}$) é dividido em cinco categorias baseadas no sabor dos jatos que não originam dos decaimentos do top: $t\bar{t} + \text{light}$, $t\bar{t} + \geq 1c$, $t\bar{t} + \geq 2b$, $t\bar{t} + 1B$ (jatos com b-hádrons colimados) e $t\bar{t} + 1b$.
  • Discriminantes: Probabilidades de classificação multiclasse são convertidas em seis discriminantes de classe para separar o sinal $t\bar{t}H$ das cinco categorias de fundo. Os eventos são atribuídos a regiões de sinal (SR) ou regiões de controle (CR) com base nestes discriminantes.
  • Relaxamento da Pré-seleção: A robustez da classificação permite o relaxamento das pré-seleções cinemáticas, aumentando a aceitação do sinal em um fator de três em comparação com a primeira análise completa do Run 2. As seleções visam canais de lépton único ($\geq 5$ jatos) e dileptão ($\geq 3$ jatos) com $\geq 3$ $b$-tags, além de um canal dedicado "boosted" para bósons de Higgs de alto $p_T$, onde ambos os quarks $b$ estão contidos em um único jato.
• Reconstrução do Higgs: Uma rede de reconstrução separada utiliza uma camada de emparelhamento (semelhante à SPANet) para identificar os dois jatos originários do decaimento do Higgs. Isso permite a reconstrução do momento transversal do Higgs ($p_T^H$), que é utilizado como variável de ajuste no canal boosted e para medições diferenciais.
• Análise Estatística: É realizada uma análise de ajuste de perfil de verossimilhança binned simultânea em todas as regiões. O ajuste extrai a seção de choque inclusiva de $t\bar{t}H$ e uma seção de choque diferencial em seis bins de Seção de Choque de Template Simplificada (STXS) definidos pelo $p_T^H$ real.

Principais Contribuições
A principal contribuição deste trabalho é a implementação bem-sucedida de redes neurais transformer para restringir simultaneamente o fundo dominante de $t\bar{t} + \text{jets}$ (dividido em cinco categorias disjuntas) e medir o sinal $t\bar{t}H$. Esta abordagem supera as medições anteriores da ATLAS ao:

1. Implementar uma estratégia de análise reformulada que depende de discriminantes multivariados para a definição de regiões, em vez de cortes cinemáticos fixos.
2. Alcançar um aumento de três vezes na aceitação do sinal através do relaxamento das pré-seleções.
3. Fornecer uma medição diferencial da seção de choque nos bins de $p_T^H$, utilizando o $p_T^H$ reconstruído pela rede neural.

Resultados
A análise produz um excesso de eventos observado de 4,6 desvios padrão sobre a hipótese de apenas fundo, comparado a uma significância esperada de 5,4 desvios padrão.

• Seção de Choque Inclusiva: A seção de choque inclusiva medida é $\sigma_{t\bar{t}H}^{\text{obs}} = 411^{+101}_{-92} \text{ fb}$ (incertezas estatísticas e sistemáticas combinadas). Isto é compatível com a previsão do Modelo Padrão (SM) de $\sigma_{t\bar{t}H}^{\text{SM}} = 507^{+35}_{-50} \text{ fb}$ para $m_H = 125,09$ GeV.
• Seção de Choque Diferencial: Os resultados da seção de choque diferencial através dos seis bins STXS mostram compatibilidade com a previsão do SM, com um $p$-valor de 89%. Os coeficientes de correlação entre os bins não excedem 30%.
• Incertezas: Ao contrário de análises anteriores onde a modelagem do fundo $t\bar{t} + \geq 1b$ era dominante, as principais fontes de incerteza sistemática nesta medição são a modelagem do próprio sinal $t\bar{t}H$.

Significância
O artigo afirma que esta medição representa a medição de seção de choque de $t\bar{t}H$ de canal único mais precisa até o momento. Ao alavancar redes transformer, a análise demonstra que técnicas avançadas de aprendizado de máquina podem melhorar significativamente a discriminação entre processos complexos de sinal e fundo em física de altas energias. O trabalho valida o uso de tais redes para a restrição simultânea de fundo e extração de sinal, estabelecendo um novo padrão para medições de precisão no canal $H \to b\bar{b}$.