Search for long-lived particles using displaced vertices with low-momentum tracks in proton-proton collisions at $\sqrt{s}$ = 13 TeV

Utilizando 100 fb$^{-1}$ de dados de colisões próton-próton a 13 TeV do experimento CMS, este estudo apresenta uma busca por partículas de vida longa por meio de vértices deslocados com trajetórias de baixo momento, estabelecendo os limites mais rigorosos até a data para as massas do stop e do neutralino tipo wino em cenários específicos de coaniquilação supersimétrica.

O essencial

A Visão Geral: Caçando Partículas "Fantasmagóricas"

Imagine o Grande Colisor de Hádrons (LHC) no CERN como uma zona gigantesca de colisões de carros em alta velocidade. Cientistas esmagam prótons juntos em velocidades incríveis para ver quais pedacinhos minúsculos voam para fora. Geralmente, esses pedaços (partículas) atravessam os detectores instantaneamente, como uma bala passando por uma parede.

No entanto, algumas teorias sugerem que certas novas partículas misteriosas podem ser "fantasmagóricas". Em vez de desaparecerem instantaneamente, elas podem viajar uma curta distância — como alguns centímetros — antes de finalmente estourar e decair em outras coisas. Estas são chamadas de Partículas de Vida Longa (LLPs).

Este artigo descreve uma nova busca pelo experimento CMS (um dos gigantes detectores no LHC) especificamente procurando por esses "fantasmas" que viajam uma curta distância e depois deixam para trás um rastro de detritos de baixa energia.

O Alvo Específico: O Cenário "Comprimido"

Os cientistas estão procurando uma situação muito específica e complicada chamada "espectro comprimido".

• A Analogia: Imagine dois corredores, um pesado (a nova partícula) e um leve (a partícula de matéria escura invisível). Geralmente, se o corredor pesado deixar cair algo, isso cai com um grande estrondo. Mas neste cenário, o corredor pesado é apenas ligeiramente mais pesado que o leve (diferença de menos de 25 GeV).
• O Resultado: Como eles estão tão próximos em peso, o corredor pesado não tem muita energia para dar quando decai. Os "detritos" que ele deixa para trás movem-se muito lentamente (baixo momento).
• O Problema: Buscas anteriores eram como usar uma rede com buracos grandes; elas perdiam essas partículas de movimento lento e baixa energia porque foram projetadas para pegar as rápidas e de alta energia. Esta nova busca usa uma "rede de malha fina" para pegar esses rastros lentos e de baixo momento.

O Trabalho de Detetive: Como Eles os Encontraram

A busca procura por uma assinatura muito específica nos dados, que o artigo chama de "vértice deslocado".

1. O Cenário: A colisão acontece e uma partícula pesada é criada.
2. A Jornada: Em vez de decair imediatamente no local da colisão, esta partícula viaja alguns milímetros ou centímetros para longe.
3. A Explosão: Ela decai em algumas partículas carregadas (rastros) e uma partícula invisível (candidata a matéria escura).
4. As Pistas:
   • O Vértice Deslocado: Os rastros carregados não começam no centro da colisão; eles começam alguns passos para longe. É como encontrar pegadas que começam no meio de um quarto, não na porta.
   • O Recuo: Para equilibrar a energia, geralmente há um "chute" da colisão inicial (um jato de Radiação do Estado Inicial) que empurra a partícula pesada para longe.
   • Energia Ausente: A partícula invisível voa para longe sem ser detectada, criando uma lacuna no equilíbrio de energia (Momento Transverso Ausente).

A Estratégia: Uma Nova Maneira de Contar

O artigo introduz um método estatístico inteligente para adivinhar quantos eventos de "fundo" (falsos alarmes) existem, sem depender de simulações de computador que podem estar erradas.

• A Analogia: Imagine que você está tentando contar quantas pessoas estão usando chapéus vermelhos em um estádio, mas não consegue vê-las todas. Em vez de adivinhar, você conta quantas pessoas estão usando chapéus azuis em uma seção que você consegue ver claramente. Então, você usa um "fator de transferência" (uma razão conhecida) para estimar quantos chapéus vermelhos há em todo o estádio.
• No Artigo: Eles dividem os dados em diferentes "planos" com base em quantos bons rastros eles veem. Eles contam os eventos fáceis de ver (regiões de controle) e usam razões matemáticas para prever quantos eventos difíceis de ver (regiões de sinal) deveriam existir se não houvesse nova física. Eles então comparam essa previsão com o que realmente veem.

Os Resultados: O Que Eles Encontraram?

Após analisar dados de 2017 e 2018 (100 "femtobarns inversos" de dados, que é uma quantidade enorme de colisões):

1. Nenhum Fantasma Encontrado: O número de eventos que eles viram combinou perfeitamente com a previsão para o ruído de fundo normal. Não houve evidência "definitiva" dessas novas partículas de vida longa.
2. Estabelecendo Limites: Mesmo que eles não tenham encontrado as partículas, eles excluíram com sucesso onde elas poderiam estar se escondendo.
   • Eles excluíram a possibilidade de Esquarks Top (um tipo de partícula supersimétrica) terem massas entre 400 e 1100 GeV.
   • Eles excluíram Neutralinos tipo Wino (outro tipo) com massas entre 220 e 550 GeV.
3. A Conquista: Esta é a busca mais sensível até a data para esses cenários "comprimidos" específicos. Ela estabelece as regras mais estritas até agora sobre onde essas partículas não podem existir.

Resumo

Pense neste artigo como a "caçada a fantasmas" mais minuciosa até agora em um canto específico e difícil do universo. Os caçadores usaram uma nova rede mais fina para pegar partículas de movimento lento e baixa energia que redes anteriores perderam. Eles não encontraram nenhum fantasma, mas provaram com sucesso que, se esses fantasmas existirem, eles não estão se escondendo nas faixas de massa específicas que acabaram de pesquisar. Isso estreita o mapa para futuros exploradores.

Resumo técnico

Resumo Técnico: Busca por Partículas de Vida Longa Usando Vértices Deslocados com Trajetórias de Baixo Momento

Problema e Motivação
Muitas teorias além do Modelo Padrão (MP) preveem a existência de partículas de vida longa (PVLs) com tempos de vida próprios médios superiores a $\sim 0,1$ ps. Em cenários específicos de supersimetria (SUSY), como o modelo da próxima partícula supersimétrica mais leve (NLSP) do squark top ($\tilde{t}$) e os modelos de NLSP bino-wino, a diferença de massa ($\Delta m$) entre a NLSP e a partícula supersimétrica mais leve (LSP) pode ser pequena (menor que 25 GeV). Nestes cenários de "espectro comprimido", os produtos de decaimento da PVL são suaves, resultando em trajetórias de baixo momento. Buscas anteriores realizadas pelas colaborações ATLAS e CMS usando vértices deslocados sofreram de sensibilidade reduzida nessas regiões específicas de divisão de massa devido a critérios de seleção de eventos e vértices que não foram otimizados para trajetórias de baixo momento. Esta análise visa abordar essa lacuna, visando PVLs que decaem com $\Delta m$ na faixa de 12–25 GeV, utilizando trajetórias de baixo momento bem medidas para aumentar a sensibilidade.

Metodologia
A busca utiliza dados de colisões próton-próton coletados pelo experimento CMS em $\sqrt{s} = 13$ TeV durante 2017 e 2018, correspondendo a uma luminosidade integrada de 100 fb$^{-1}$. A análise foca em estados finais contendo um vértice deslocado, grande momento transversal ausente ($p^{\text{miss}}_T$) e um jato de radiação de estado inicial (ISR).

• Modelos de Sinal: Dois cenários de coaniquilação SUSY de referência são considerados:
  1. Modelo NLSP $\tilde{t}$: Um squark top de vida longa decaindo via canais de quatro corpos ou dois corpos para um neutralino LSP tipo bino.
  2. Modelo NLSP Bino-Wino: Um neutralino tipo wino ($\tilde{\chi}^0_2$) e um chargino ($\tilde{\chi}^\pm_1$) quase degenerados em massa, onde o $\tilde{\chi}^0_2$ é de vida longa e decai via um bóson $Z$ fora de massa.
• Detector e Reconstrução: A análise aproveita o rastreador CMS atualizado de 2017–2018, que oferece desempenho aprimorado para trajetórias de baixo momento ($1 < p_T < 10$ GeV). Vértices deslocados são reconstruídos usando um localizador de vértices inclusivo personalizado (IVF) baseado no ajustador de vértices adaptativo. Os parâmetros do IVF foram ajustados para acomodar trajetórias com grandes separações angulares, aumentando a eficiência para decaimentos de PVLs com grandes ângulos de abertura.
• Seleção de Eventos: Os eventos devem passar por um gatilho com $p^{\text{miss}}_T > 120$ GeV e ter $p^{\text{miss}}_T$ offline $> 400$ GeV, juntamente com pelo menos um jato ISR ($p_T > 100$ GeV). Vetos de léptons e fótons são aplicados para reduzir o fundo.
• Estimativa de Fundo: Um novo método de estimativa de fundo baseado em dados é empregado usando fatores de transferência. Os eventos são categorizados em "planos" com base no número de "trajetórias boas" (trajetórias que satisfazem critérios rigorosos de qualidade e isolamento) associadas a um vértice deslocado (0, 1, 2 ou $\ge 3$ trajetórias). Regiões de controle (RCs) com baixo $p^{\text{miss}}_T$ são usadas para derivar fatores de transferência que preveem a yield de fundo nas regiões de sinal (RSs) com maior $p^{\text{miss}}_T$ e multiplicidades de trajetórias variáveis. Esta abordagem evita a dependência de simulação para a modelagem de fundo.
• Incertezas Sistemáticas: As principais incertezas incluem a eficiência de reconstrução de trajetórias/vértices (10–11%), derivada de decaimentos $K^0_S \to \pi^-\pi^+$, e incertezas estatísticas da estimativa de fundo (<2%).

Principais Contribuições

• Otimização para Espectros Comprimidos: A análise visa especificamente o regime de trajetórias de baixo momento ($p_T < 10$ GeV) e pequenas divisões de massa ($\Delta m < 25$ GeV), uma região anteriormente menos explorada por buscas de vértices deslocados.
• Reconstrução de Vértice Personalizada: O ajuste do algoritmo IVF para aceitar grandes separações angulares entre trajetórias melhora significativamente a eficiência de reconstrução para PVLs com longos comprimentos de decaimento e configurações cinemáticas específicas.
• Estimativa de Fundo Baseada em Dados: A implementação de um método de fator de transferência baseado na multiplicidade de trajetórias e em $p^{\text{miss}}_T$ permite uma previsão robusta de fundo em múltiplas regiões de sinal sem depender de amostras de fundo simuladas para a yield final.
• Veto de Mapa de Material: Um mapa de material derivado de dados é usado para vetar vértices originados de interações nucleares dentro do material do rastreador, reduzindo o fundo enquanto mantém a eficiência do sinal.

Resultados
A análise não observou nenhum desvio significativo em relação à hipótese de apenas fundo em todas as regiões de busca, com um valor-p combinado de 0,5. Consequentemente, limites superiores de 95% de nível de confiança (CL) na seção de choque de produção foram estabelecidos para os modelos de referência.

• Modelo NLSP $\tilde{t}$: Squarks top com massas inferiores a 400–1100 GeV são excluídos, dependendo da diferença de massa ($\Delta m$) e da fração de ramificação do decaimento de quatro corpos.
• Modelo NLSP Bino-Wino: Neutralinos tipo wino com massas inferiores a 220–550 GeV são excluídos, dependendo de $\Delta m$ e do comprimento de decaimento próprio ($c\tau$).
• A sensibilidade é ótima para valores de $c\tau$ em torno de 10 mm e melhora com o aumento de $\Delta m$.

Significado
Este trabalho representa a primeira busca no LHC a demonstrar sensibilidade a partículas de vida longa em cenários de espectro comprimido usando assinaturas de vértice deslocado com trajetórias de baixo momento. Ao estabelecer os limites mais rigorosos até a data para os modelos de sinal NLSP $\tilde{t}$ e bino-wino, a análise explora efetivamente regiões anteriormente inacessíveis do espaço de parâmetros da SUSY. Os resultados restringem cenários específicos de coaniquilação onde a diferença de massa entre a NLSP e a LSP é inferior a 25 GeV, fornecendo restrições críticas para modelos teóricos que preveem tais espectros comprimidos.