Search for resonances decaying to an anomalous jet and a Higgs boson in proton-proton collisions at $\sqrt{s}$ = 13 TeV

Este artigo apresenta uma busca pelo CMS por ressonâncias decaindo em um bóson de Higgs e uma partícula Y anômala em colisões próton-próton a 13 TeV, utilizando um autoencoder para identificar jatos anômalos e estabelecendo os limites superiores mais rigorosos até a data sobre a seção de choque do sinal, sem observar nenhum excesso significativo acima do fundo esperado do Modelo Padrão.

O essencial

Imagine que o universo é como uma gigantesca fábrica de doces, onde as partículas fundamentais são os ingredientes. O Modelo Padrão da física é a receita perfeita que os cientistas têm usado por décadas para explicar como esses ingredientes se misturam e criam tudo o que vemos. Essa receita funciona muito bem, mas deixa algumas perguntas sem resposta: "O que é essa matéria escura que não vemos?", "Por que o universo é feito de matéria e não de antimatéria?".

Para responder a isso, os cientistas do CMS (um dos grandes detectores do CERN, na Suíça) decidiram fazer uma busca por "novos ingredientes" que não estão na receita atual. Eles chamam isso de "Física Além do Modelo Padrão".

O Grande Detetive: O Colisor de Hádrons (LHC)

Pense no LHC como uma fábrica de colisões de alta velocidade. Eles aceleram prótons (partículas pequenas) a velocidades próximas à da luz e os fazem colidir. É como bater dois relógios de pulso um contra o outro em alta velocidade para ver que peças voam para fora. Às vezes, nessas colisões, podem surgir partículas novas e pesadas que nunca vimos antes.

A Missão: Encontrar o "X" e o "Y"

Neste artigo, os cientistas estão procurando um processo específico de decaimento (quando uma partícula se quebra em outras). Eles imaginam que uma partícula pesada e desconhecida, chamada X, surge na colisão e se divide em duas:

1. O Higgs: Uma partícula que já conhecemos (o "bolo" da receita), que se transforma em um par de quarks (ingredientes comuns).
2. O Y: Uma segunda partícula, que pode ser algo novo ou algo que já conhecemos, mas que se comporta de forma estranha.

O desafio é que, quando essas partículas são muito pesadas, elas voam tão rápido que os pedaços em que se dividem ficam "espremidos" juntos, parecendo um único objeto grande. É como se você jogasse um balde de água contra uma parede; em vez de ver gotas separadas, você vê apenas uma mancha úmida.

A Técnica: O "Filtro Inteligente" e o "Detector de Anomalias"

Para encontrar essa partícula Y escondida, os cientistas usaram duas ferramentas de inteligência artificial (IA) muito legais:

1. O Filtro do Higgs (PARTICLENET):
   Imagine que você tem uma pilha de frutas misturadas (algumas são maçãs, outras são laranjas, outras são pedras). O cientista quer encontrar as maçãs (o Higgs). Eles usam um algoritmo chamado PARTICLENET que é como um especialista em frutas. Ele olha para a "mancha" (o jato de partículas) e diz: "Isso parece muito com uma maçã que se quebrou". Se parecer, eles guardam esse evento para análise.

2. O Detector de Anomalias (Autoencoder):
   Agora, para a partícula Y, eles não sabem exatamente o que procurar. Pode ser um novo tipo de fruta, ou uma pedra que brilha. Em vez de tentar adivinhar, eles usam um Autoencoder.

   • A Analogia: Imagine que você treina um artista para desenhar apenas "pedras normais". Ele aprende perfeitamente como desenhar pedras comuns. Agora, você mostra a ele uma "pedra que brilha" ou um "cubo". Como ele nunca viu isso, ele tenta desenhar, mas o resultado fica estranho e cheio de erros.
   • O Resultado: Quanto mais "errado" o desenho ficar, maior é a pontuação de anomalia. Se o jato da partícula Y tiver uma pontuação de anomalia alta, significa que ele é diferente das pedras normais (o fundo comum da física). Isso permite procurar por qualquer coisa nova, sem precisar saber o que é antes de começar.

O Que Eles Encontraram?

Os cientistas analisaram dados de 2016 a 2018, o que equivale a 138 "anos-luz" de dados (uma quantidade gigantesca de colisões). Eles olharam para milhões de eventos, procurando por um excesso de "anomalias" que não pudessem ser explicadas pela física normal.

O Veredito:

• Não encontraram nada novo. Não houve um "boom" de anomalias estranhas. Tudo o que viram foi exatamente o que o Modelo Padrão previa (o "ruído" de fundo).
• Mas isso é bom! Na ciência, dizer "não achamos" é tão importante quanto dizer "achamos". Isso significa que, se essas partículas novas existirem, elas são mais pesadas ou mais raras do que os cientistas esperavam.

O Que Isso Significa para o Futuro?

Como não encontraram a partícula, eles traçaram um mapa de exclusão. É como dizer: "Se o monstro existir, ele não pode estar escondido nesta floresta, nem naquela montanha". Eles definiram limites de peso e probabilidade para onde essas partículas podem estar.

Isso ajuda os físicos teóricos a refazerem suas receitas. Se a partícula não está no intervalo de peso que eles procuraram, talvez ela seja mais pesada, ou talvez a teoria sobre como ela se decompõe esteja errada.

Resumo em uma Frase

Os cientistas do CERN usaram inteligência artificial para procurar por "partículas fantasmas" que se escondem entre colisões de alta velocidade; embora não tenham encontrado nada novo, eles conseguiram dizer com certeza onde essas partículas não estão, ajudando a guiar a busca futura pela próxima grande descoberta da física.

Resumo técnico

Título: Busca por ressonâncias decaindo em um jato anômalo e um bóson de Higgs em colisões próton-próton a $\sqrt{s} = 13$ TeV

1. Problema e Motivação

O Modelo Padrão (MP) da física de partículas é altamente bem-sucedido, mas não explica fenômenos como a matéria escura ou a assimetria bariônica do universo. Muitas teorias de Física Além do Modelo Padrão (BSM) preveem a existência de novas partículas ressonantes pesadas ($X$). Este trabalho foca em processos onde uma partícula pesada $X$ decai em um bóson de Higgs ($H$) e uma segunda partícula ($Y$), que pode ser uma partícula do MP ou do BSM.
O desafio principal é que, se $Y$ for uma partícula desconhecida ou tiver modos de decaimento complexos, as buscas tradicionais (baseadas em modelos específicos) podem falhar. A motivação deste estudo é realizar uma busca inclusiva e independente de modelos para a partícula $Y$, utilizando técnicas de aprendizado de máquina para identificar "jatos anômalos" (jatos com subestrutura diferente do esperado para QCD), enquanto se mantém uma identificação específica e robusta para o bóson de Higgs.

2. Metodologia

A análise utiliza dados coletados pelo experimento CMS no LHC durante 2016-2018, correspondendo a uma luminosidade integrada de 138 fb$^{-1}$ a uma energia de centro de massa de 13 TeV.

• Topologia do Evento: O estado final consiste em dois jatos de grande raio (com parâmetro de distância $R=0.8$). Um jato provém do decaimento $H \to b\bar{b}$ e o outro do decaimento da partícula $Y$. Devido à alta massa de $X$ (1.4 a 3.0 TeV), ambos os produtos são altamente impulsionados (boosted), fazendo com que seus produtos de decaimento sejam colimados dentro de um único jato.
• Seleção de Eventos:
  • Candidato a Higgs ($H$): O jato com maior pontuação de tagging é identificado como candidato a $H$. Utiliza-se o algoritmo ParticleNet para discriminar jatos originados de decaimentos $b\bar{b}$ contra o fundo de QCD. A massa soft-drop do jato deve estar entre 100 e 150 GeV.
  • Candidato a Y ($Y$): O outro jato é tratado como candidato a $Y$. Para identificar $Y$ sem assumir um modelo específico de decaimento, utiliza-se um Autoencoder (AE) (uma rede neural não supervisionada). O AE é treinado em jatos de QCD (ruído de fundo) para aprender a reconstruí-los. Jatos com subestrutura diferente (como os de decaimentos BSM ou $t\bar{t}$) resultam em uma alta "pontuação de anomalia" (erro de reconstrução).
• Regiões de Análise: O espaço de fase é dividido em quatro regiões ortogonais baseadas nas pontuações do ParticleNet (Pass/Fail) e do Autoencoder (Medição/Controle):
  • MR Pass (Medição): Onde se busca o sinal (Higgs identificado e jato anômalo).
  • CR Pass/Fail e MR Fail: Usadas para validar e estimar o fundo de QCD não ressonante.
• Estratégia Estatística: A busca é realizada em um plano bidimensional de massa: a massa do par de jatos ($M_{jj}$, correspondente à massa de $X$) e a massa do jato candidato a $Y$ ($M_{Y}^j$). O fundo não ressonante é modelado usando um método de razão Pass-to-Fail, onde a distribuição de fundo na região de sinal é estimada a partir de dados em regiões de controle, ajustando polinômios para a razão entre as regiões.

3. Cenários de Benchmark (Sinais Testados)

A análise avalia quatro cenários de sinal principais para validar a performance em diferentes estruturas de jatos:

1. Principal: $Y$ é um escalar decaindo em um par de bósons vetoriais ($Y \to WW \to 4q$). Simulado para 42 combinações de massas ($M_X$: 1.4–3.0 TeV, $M_Y$: 90–400 GeV).
2. Escalares Alternativos: $Y \to q\bar{q}$ (par de quarks leves) e $Y \to t\bar{t}$ (par de quarks top).
3. Quarks Vetor-Like: $Y$ é um quark top decaindo hadronicamente, originado do decaimento de um quark vetor-like ($X \to tH$).

4. Resultados

• Excesso de Sinal: Não foi observado nenhum excesso significativo de eventos acima das expectativas do Modelo Padrão em nenhuma das regiões de massa testadas.
• Significância Local: O desvio mais próximo da hipótese nula foi de 2.1 desvios padrão no ponto de massa $M_X = 1600$ GeV e $M_Y = 90$ GeV, o que não é considerado uma descoberta.
• Limites Superiores: Foram estabelecidos limites superiores de 95% de nível de confiança (CL) nas seções de choque dos sinais de benchmark.
  • Para o cenário principal ($X \to H(bb)Y(WW)$), os limites variam de 0.3 fb a 15.8 fb, dependendo das massas de $X$ e $Y$.
  • Os limites mais rigorosos até a data foram estabelecidos para os cenários alternativos, incluindo a primeira busca em regime de impulso relativístico (Lorentz-boosted) para o processo $Y \to t\bar{t}$.
• Comparação: Os resultados são mais restritivos do que buscas anteriores de ressonâncias di-jato genéricas, graças à identificação específica do Higgs que reduz o fundo de QCD.

5. Contribuições Chave e Significância

• Abordagem Híbrida: O trabalho demonstra a eficácia de combinar uma identificação direcionada (Higgs via ParticleNet) com uma detecção de anomalia independente de modelos (via Autoencoder). Isso permite sondar múltiplos cenários de decaimento de $Y$ simultaneamente em uma única análise.
• Técnicas de Aprendizado de Máquina: A aplicação bem-sucedida de Autoencoders para identificar subestrutura de jatos anômalos em um canal específico de Higgs valida essa metodologia para futuras buscas de "física nova" onde o sinal exato é desconhecido.
• Precisão Experimental: O uso de dados de Run 2 do LHC com técnicas avançadas de correção de pile-up e calibração de eficiência (fatores de escala para ParticleNet e anomaly score) garante que os limites estabelecidos sejam robustos e confiáveis.
• Impacto na Teoria: Os limites rigorosos colocam restrições severas em modelos teóricos como o NMSSM (Next-to-Minimal Supersymmetric Standard Model) e modelos com quarks vetor-like, excluindo regiões de parâmetro que eram anteriormente menos exploradas.

Em resumo, este artigo representa um avanço na metodologia de busca por nova física no LHC, provando que é possível manter a sensibilidade de buscas direcionadas enquanto se amplia o escopo para descobertas inesperadas através de técnicas de anomalia.