Search for additional scalar bosons within the Inert Doublet Model in a final state with two leptons at the FCC-ee

Este estudo apresenta uma busca projetada no FCC-ee por bósons escalares adicionais do Modelo Duplo Inerte em estados finais com dois léptons, demonstrando que a análise pode excluir quase todo o espaço de parâmetros disponível e alcançar limites de descoberta de até 157 GeV para o candidato a matéria escura $H$.

O essencial

Imagine que o universo é como uma grande festa onde a maioria das pessoas (a matéria normal) está dançando, conversando e sendo vista. Mas os cientistas sabem que existe uma multidão enorme de "fantasmas" invisíveis (a Matéria Escura) que ocupam muito mais espaço na festa do que as pessoas visíveis, mas ninguém consegue vê-los ou tocá-los.

Este artigo é como um plano de detetives para encontrar esses fantasmas usando uma máquina de partículas superpoderosa chamada FCC-ee (que será construída no futuro no CERN).

Aqui está a explicação do que eles fizeram, usando analogias simples:

1. A Teoria: O "Modelo do Casaco Invisível"

Os físicos propõem uma teoria chamada Modelo Duplo Inerte (Inert Doublet Model).

• A Analogia: Imagine que o Modelo Padrão da física é um guarda-roupa com roupas normais. Esse novo modelo diz que existe um "segundo guarda-roupa" cheio de roupas novas.
• O Problema: Uma regra mágica (chamada simetria Z2) impede que essas roupas novas se misturem com as normais. Elas não podem "conversar" com os elétrons ou prótons comuns.
• O Tesouro: A peça mais leve desse segundo guarda-roupa, chamada H, é indestrutível e invisível. Ela é a candidata perfeita para ser a Matéria Escura. Se pudermos criar essa peça, ela não desaparece; ela foge da máquina de colisão e leva energia consigo, deixando um "buraco" no nosso detector.

2. O Plano de Detecção: A Dança dos Gêmeos

Como não podemos ver a peça "H" diretamente, os cientistas precisam ver o que acontece quando ela é criada.

• A Estratégia: Eles vão colidir elétrons e pósitrons (partículas de luz e antiluz) em altíssimas energias.
• O Evento: Quando a colisão acontece, eles esperam que nasçam dois desses novos "fantasmas" (H e A) juntos.
• O Rastro: O fantasma "A" é instável e logo se transforma em um "fantasma H" (o nosso Matéria Escura) e uma partícula Z. A partícula Z, por sua vez, se transforma em um par de elétrons ou múons (que são como "irmãos gêmeos" de carga oposta).
• O Sinal: O detector vai ver dois "gêmeos" (elétrons ou múons) voando para um lado e, de repente, a energia total do evento fica menor do que deveria. Essa "energia faltante" é o sinal de que o fantasma H fugiu para sempre.

3. O Desafio: Encontrar Agulhas no Palheiro

O problema é que a natureza adora imitar esse sinal. Existem muitos processos comuns (ruído de fundo) que também produzem dois gêmeos e parecem ter energia faltante. É como tentar encontrar um amigo específico em uma multidão de milhões de pessoas que se parecem com ele.

• A Solução (A Inteligência Artificial): Em vez de olhar para cada evento um por um, os autores usaram uma Rede Neural Paramétrica (um tipo de inteligência artificial muito esperto).
• Como funciona: Eles ensinaram o computador com milhões de simulações. O computador aprendeu a olhar para a "dança" das partículas (suas energias, ângulos, velocidades) e dizer: "Isso parece um fantasma novo" ou "Isso é apenas ruído comum".
• O Truque: Eles deram ao computador um "mapa" das massas possíveis. Assim, o computador sabe exatamente como procurar por diferentes tipos de fantasmas, ajustando sua busca conforme a hipótese.

4. Os Resultados: O Mapa do Tesouro

Os cientistas simularam como seria essa busca no futuro FCC-ee com duas energias diferentes (240 GeV e 365 GeV) e com uma quantidade gigantesca de dados (como assistir a bilhões de filmes de colisão).

• O Que Eles Encontraram:
  • Exclusão (O "Não"): Eles conseguiram desenhar um mapa mostrando onde o "fantasma" não pode estar. Basicamente, eles dizem: "Se o fantasma H tiver um peso entre X e Y, nós teremos certeza de que ele não existe, porque teríamos visto algo". Eles esperam descartar quase todas as possibilidades possíveis.
  • Descoberta (O "Sim"): Se o fantasma existir dentro de certos limites de peso (até cerca de 108 GeV na energia menor e 157 GeV na maior), eles têm uma chance de 5 em 1 milhão de errar (o famoso "5 sigma") de dizer: "Achamos! A Matéria Escura está aqui!".

Resumo Final

Este trabalho é um "plano de voo" para o futuro. Ele diz: "Se construirmos essa máquina gigante (FCC-ee) e usarmos inteligência artificial para filtrar o ruído, teremos uma chance excelente de encontrar a Matéria Escura ou, pelo menos, provar que ela não é do tipo que descrevemos neste modelo".

É como se eles estivessem dizendo: "Não sabemos exatamente onde o tesouro está enterrado, mas desenhamos um mapa que cobre quase todo o jardim. Se o tesouro estiver aqui, vamos achá-lo. Se não estiver, saberemos que ele não existe neste jardim."

Resumo técnico

Título: Busca por bósons escalares adicionais no Modelo de Duplo Inerte em um estado final com dois léptons no FCC-ee

1. O Problema e o Contexto

A natureza da Matéria Escura (ME) permanece um dos maiores mistérios da cosmologia moderna. Embora observações indiquem sua abundância, o Modelo Padrão (MP) da física de partículas não oferece um candidato viável. O Modelo de Duplo Inerte (Inert Doublet Model - IDM) é uma extensão do MP que introduz um segundo duplo de Higgs com uma simetria $Z_2$ exata.

• Mecanismo: A simetria $Z_2$ impede o acoplamento direto das partículas do IDM com férmions do MP e garante que as partículas do IDM sejam produzidas em pares.
• Candidato à Matéria Escura: A partícula escalar mais leve do setor inerte (denotada como $H$) é estável e atua como um candidato viável à Matéria Escura.
• O Desafio Experimental: Estudos anteriores em colisores (como o LHC) têm limitações na sensibilidade a grandes regiões do espaço de parâmetros do IDM, frequentemente devido a requisitos excessivos de energia transversal ausente ($E_T^{miss}$) ou recastings de análises que resultam em restrições muito frouxas.
• Objetivo: Investigar a produção em pares de bósons escalares extras ($e^+e^- \to AH$) no futuro Colisor Circular de Elétrons e Pósitrons (FCC-ee) do CERN, focando em estados finais com dois léptons (elétrons ou múons) da mesma família e energia ausente.

2. Metodologia

A análise foi realizada para energias no centro de massa de $\sqrt{s} = 240$ GeV e $365$ GeV, utilizando uma abordagem sistemática que vai além dos pontos de referência (benchmark points) tradicionais.

• Geração de Eventos:

  • Sinal: Gerado com o MadGraph5_aMC@NLO e Pythia8, considerando os processos $e^+e^- \to HH\ell\ell$ e $e^+e^- \to HH\ell\ell\nu\nu$ (onde $\ell = e, \mu, \tau$).
  • Fundo: Processos de fundo do Modelo Padrão incluíram produção de bósons vetoriais ($WW, ZZ$), produção inclusiva de pares de léptons ($ee, \mu\mu, \tau\tau$), produção de Higgs associado a $Z$, e produção de pares top ($t\bar{t}$) para 365 GeV.
  • Simulação de Detector: Todos os eventos foram processados através do Delphes com a configuração do detector IDEA (FCC-ee), simulando a resposta real do detector.

• Seleção de Eventos e Pré-seleção:

  • Critérios rigorosos foram aplicados para rejeitar fundos: exatamente dois léptons da mesma família ($e$ ou $\mu$), massa invariante do par de léptons ($M_{\ell\ell}$) abaixo de 120 GeV (com ajustes dinâmicos para 365 GeV), e veto em objetos adicionais (jatos, fótons, terceiro lépton).
  • A energia transversal ausente ($E_T^{miss}$) foi utilizada como variável chave para rejeitar fundos de fundo de baixa energia.

• Análise Multivariada (Rede Neural Paramétrica - pNN):

  • Para maximizar a discriminação entre sinal e fundo, foi utilizada uma Rede Neural Paramétrica (pNN).
  • Inovação: Diferente de redes neurais padrão que são treinadas para um ponto de massa específico, a pNN utiliza as massas dos sinais ($M_H$ e $M_A$) como entradas adicionais junto com as variáveis cinemáticas (momento, massa invariante, ângulos, etc.).
  • Isso permite que uma única rede seja treinada para cobrir todo o espaço de parâmetros, aprendendo a seleção ótima como uma função das massas hipotéticas testadas, evitando a necessidade de treinar milhares de redes separadas.
  • A rede foi implementada em PyTorch com camadas feed-forward e função de ativação ReLU.

• Estatística:

  • Um ajuste de máxima verossimilhança foi realizado na saída da rede neural (acima de 0.9) para calcular limites de exclusão (95% CL) e significância de descoberta (5$\sigma$).
  • Consideraram-se apenas incertezas estatísticas no momento da análise, com luminosidades integradas projetadas de 10.8 ab$^{-1}$ (240 GeV) e 2.7 ab$^{-1}$ (365 GeV).

3. Principais Contribuições

• Extensão para Objetos de Nível de Detector: Ao contrário de estudos anteriores focados no nível do gerador (como no contexto do CLIC), esta análise utiliza a reconstrução completa de objetos simulados pelo detector, tornando os resultados mais realistas para o FCC-ee.
• Varredura Sistemática do Espaço de Parâmetros: A análise não se limita a pontos isolados, mas mapeia a sensibilidade em função de $M_H$ e da diferença de massa $\Delta M = M_A - M_H$, cobrindo faixas cinematicamente disponíveis.
• Uso de pNN para Generalização: A aplicação bem-sucedida de redes neurais paramétricas para lidar com a dependência de massa em um espaço de parâmetros contínuo, otimizando a sensibilidade para todas as hipóteses de massa simultaneamente.
• Definição de Cenários de Acoplamento: A análise considera três cenários para os acoplamentos e massas dos escalons carregados ($H^\pm$), incluindo cenários onde o acoplamento com o Higgs do MP ($\lambda_{345}$) é maximizado ou onde a produção de pares carregados contribui significativamente.

4. Resultados

Os resultados projetam o alcance de descoberta e exclusão do FCC-ee para o Modelo de Duplo Inerte:

• Alcance de Descoberta (5$\sigma$):
  • Para $\sqrt{s} = 240$ GeV: É possível descobrir o modelo até $M_H \approx 108$ GeV para uma diferença de massa $\Delta M = 15$ GeV.
  • Para $\sqrt{s} = 365$ GeV: O alcance estende-se até $M_H \approx 157$ GeV para $\Delta M = 15$ GeV.
• Alcance de Exclusão (95% CL):
  • Para $\sqrt{s} = 240$ GeV: Quase todo o espaço de fase disponível pode ser excluído, alcançando $M_H \approx 110$ GeV.
  • Para $\sqrt{s} = 365$ GeV: A exclusão alcança $M_H \approx 165$ GeV.
• Eficiência: A eficiência de seleção da pNN (com corte > 0.9) é superior a 50% para todos os pontos de sinal, superando 90% na região de $10 < \Delta M < 50$ GeV.
• Comparação com Restrições Atuais: O FCC-ee será capaz de testar regiões do espaço de parâmetros que ainda não são cobertas por restrições de densidade de relicto (Planck), detecção direta (LUX-ZEPLIN) ou reinterpretação de dados do LEP (SUSY).

5. Significância

Este trabalho demonstra que o FCC-ee possui um potencial extraordinário para testar o Modelo de Duplo Inerte, complementando as buscas do LHC e do HL-LHC. Enquanto o LHC é sensível a grandes diferenças de massa ($M_A - M_H$), o FCC-ee, devido à sua precisão e baixo ruído de fundo, é ideal para explorar regiões com pequenas diferenças de massa e massas de Higgs inerte mais altas. A metodologia desenvolvida, especialmente o uso de redes neurais paramétricas para varreduras de massa, estabelece um padrão para futuras análises em colisores de alta precisão, permitindo uma exploração eficiente e abrangente de modelos de nova física com múltiplos parâmetros livres.