Search for heavy scalar resonances decaying to Lorentz-boosted Higgs and Higgs-like bosons in the $\mathrm{b\bar{b}}$4q final state at $\sqrt{s}$ = 13 TeV

Utilizando 138 fb$^{-1}$ de dados de colisões próton-próton a 13 TeV coletados pelo experimento CMS, este estudo apresenta a primeira busca do LHC por ressonâncias escalares pesadas decaindo em um bóson de Higgs e um escalar do tipo Higgs no estado final hadrônico total $\mathrm{b\bar{b}}$4q, empregando técnicas avançadas de aprendizado de máquina para identificar jatos boostados e não encontrando nenhum excesso significativo sobre o fundo do Modelo Padrão.

O essencial

A Visão Geral: Caçando um Partícula "Pai Pesado"

Imagine que o universo é uma cozinha gigante e caótica onde partículas estão constantemente sendo cozinhadas e colidindo umas com as outras. Nesta cozinha, o Modelo Padrão é o "livro de receitas oficial" que explica como a maioria dos ingredientes se comporta. No entanto, os físicos suspeitam que existam ingredientes secretos e receitas ocultas que o livro ainda não lista.

Este artigo descreve a busca por um "ingrediente secreto" específico: uma partícula pesada e invisível chamada X. A teoria é que esta partícula pesada X é como um pai que se divide em dois filhos:

1. Um filho conhecido: O Bóson de Higgs (H), que já sabemos que existe.
2. Um filho misterioso: Uma nova partícula mais leve chamada Y (que se parece muito com o Higgs, mas pode ser algo novo).

O objetivo deste experimento era flagrar esta partícula pai pesada X no ato de se dividir.

O Desafio: O Problema da "Mala em Alta Velocidade"

O problema é que, quando estas partículas pesadas são criadas no Grande Colisor de Hádrons (LHC), elas estão se movendo incrivelmente rápido — quase à velocidade da luz.

• A Analogia: Imagine uma mala pesada (a partícula X) movendo-se tão rápido que, quando se abre, as roupas dentro dela (as partículas menores) voam tão rapidamente que todas se esmagam em um único amontoado confuso antes que possam ser separadas.
• A Realidade: Normalmente, os cientistas procuram por partículas ao vê-las se espalhar em trilhas distintas. Mas aqui, os "filhos" (o Higgs e a partícula Y) são tão rápidos que seus produtos de decaimento (os pedaços nos quais eles se transformam) ficam esmagados uns contra os outros.
  • O Higgs se transforma em dois quarks bottom, que parecem um grande e nebuloso borrão.
  • A partícula Y se transforma em quatro quarks (via bósons W ou Z), que também parecem um grande e nebuloso borrão (ou às vezes dois borrões, dependendo de quão rápida ela é).

Os cientistas tiveram que construir "detectores" especiais (como câmeras de alta tecnologia) para reconhecer esses borrões confusos e mesclados e descobrir o que havia dentro deles.

As Ferramentas: IA como o Detetive

Para encontrar essas agulhas em um palheiro, os cientistas usaram duas ferramentas principais:

1. PARTICLENET: Pense nisso como uma IA muito inteligente que olha para o "borrão nebuloso" e pergunta: "Isso parece um bóson de Higgs ou é apenas lixo aleatório (ruído de fundo)?". Ela é treinada para detectar o padrão específico de um bóson de Higgs escondido dentro de um jato de partículas.
2. O "Transformer de Partículas": Esta é uma ferramenta de IA nova e de ponta (como um reconhecedor de padrões super avançado) projetada especificamente para olhar para o borrão confuso da partícula Y. Ela utiliza uma técnica chamada "atenção" (semelhante à forma como os humanos focam em detalhes específicos em uma multidão) para descobrir se aquele borrão contém quatro quarks, o que provaria a existência da partícula Y.

A Estratégia de Busca: O Jogo do "Passa/Falha"

Os cientistas não apenas olharam para os dados e esperaram pelo melhor. Eles usaram um jogo estatístico inteligente para separar o sinal do ruído:

• O Sinal Passa (SP - Signal Pass): Esta é a zona de "vitória". Eles procuraram por eventos onde a IA estava muito confiante de que viu um Higgs e uma partícula Y.
• O Sinal Falha (SF - Signal Fail): Esta é a zona de "derrota". Eles analisaram eventos onde a IA disse: "Não, isso é apenas lixo aleatório".
• O Truque: Ao estudar a "zona de derrota" (onde sabem que não há sinais reais), eles puderam matematicamente prever quanto "lixo aleatório" deveria estar na "zona de vitória". Se a "zona de vitória" tivesse mais lixo do que o previsto, isso seria um sinal de uma nova partícula.

Eles dividiram a busca em duas categorias baseadas na velocidade com que as partículas se moviam:

• Totalmente Mesclado (Fully Merged): A partícula Y é tão rápida que todas as suas partes são esmagadas em um único borrão.
• Semi-Mesclado (Semi-Merged): A partícula Y é rápida, mas suas partes estão divididas em dois borrões distintos.

Os Resultados: Nenhuma Nova Partícula Encontrada (Ainda)

Após analisar uma quantidade massiva de dados (equivalente a 138 "femtobarns inversos" — um número enorme de colisões), os cientistas compararam o que viram com o que o Modelo Padrão previa.

• O Resultado: Os dados coincidiram perfeitamente com a previsão de "lixo aleatório". Não houve picos inesperados ou "excessos" que indicassem a existência da partícula pai pesada X ou da misteriosa partícula filha Y.
• A Conclusão: Eles não encontraram as novas partículas. No entanto, não saíram de mãos vazias. Eles estabeleceram regras estritas: "Se estas partículas existirem, elas não podem ser mais pesadas que X ou mais leves que Y dentro de certos limites, e não podem ser produzidas com mais frequência do que esta taxa específica".

Resumo em Uma Sentença

A equipe do CMS usou IA avançada para procurar uma partícula pesada e de movimento rápido que se divide em um Higgs e um novo partícula "tipo Higgs", mas após escanear uma quantidade massiva de dados de colisão, não encontrou evidências desta nova partícula, apenas confirmando que, se ela existir, deve ser ainda mais rara ou mais pesada do que se pensava anteriormente.

Nota: Este artigo é puramente uma busca por nova física fundamental. Não pretende fazer qualquer afirmação imediata de aplicações médicas, tecnológicas ou práticas. É uma investigação fundamental sobre os blocos de construção do universo.

Resumo técnico

Resumo Técnico: Busca por Ressonâncias Escalares Pesadas Decaindo para Higgs com Lorentz-Boost e Bósons Semelhantes ao Higgs no Estado Final $bb4q$

Problema e Motivação
O Modelo Padrão (SM) da física de partículas enfrenta inconsistências fundamentais, incluindo o problema da hierarquia de massa do bóson de Higgs e a assimetria bariônica observada no universo. Várias extensões teóricas, como Modelos de Dois Dubletos de Higgs (2HDM), o Modelo Supersimétrico Mínimo (MSSM), o Próximo-ao-MSSM (NMSSM) e Modelos de Dois Singletos Reais, preveem um setor escalar mais rico. Esses modelos frequentemente permitem o decaimento de uma ressonância escalar pesada ($X$) para um par de escalares mais leves ($H$ e $Y$), onde $H$ é o bóson de Higgs semelhante ao SM e $Y$ é um novo bóson semelhante ao Higgs.

Este artigo aborda a busca pelo processo $X \to HY$, onde $H \to b\bar{b}$ e $Y \to VV \to 4q$ (com $V = W$ ou $Z$). Este estado final especificamente todo-hadrônico ($bbVV$) apresenta desafios significativos devido ao fundo esmagador de multijetes de Cromodinâmica Quântica (QCD). Além disso, a busca visa o regime de Lorentz-boosted, onde os produtos de decaimento do bóson $X$ pesado estão altamente colimados, exigindo técnicas de reconstrução especializadas para distinguir os jatos do sinal do fundo.

Metodologia
A análise utiliza dados de colisões próton-próton coletados pelo experimento CMS no CERN LHC a uma energia de centro de massa de $\sqrt{s} = 13$ TeV, correspondendo a uma luminosidade integrada de 138 fb$^{-1}$. A busca é dividida em dois regimes cinemáticos baseados na razão de massa das ressonâncias:

1. Regime Totalmente Mesclado (Fully Merged) ($m_Y \lesssim 0.1 m_X$): Neste regime, o bóson $Y$ está altamente boostado, fazendo com que seus produtos de decaimento ($VV \to 4q$) se mesclem em um único jato de grande área.
2. Regime Semimesclado (Semimerged) ($0.1 m_X \lesssim m_Y < m_X - m_H$): Aqui, o bóson $Y$ está menos boostado, e seus produtos de decaimento são reconstruídos como dois jatos distintos de grande área, cada um correspondendo a um decaimento $V \to qq$.

Componentes Técnicos Principais:

• Reconstrução de Jatos: Os eventos são reconstruídos usando o algoritmo anti-$k_T$ com um parâmetro de distância de 0.8 (jatos AK8). A massa do jato é melhorada usando um algoritmo de regressão de massa baseado na arquitetura de rede neural de grafo PARTICLENET.
• Identificação de Sinal:
  • $H \to b\bar{b}$: Identificado usando o tagger PARTICLENET ($T_{Xbb}$), que discrimina jatos de quarks $b$ do fundo QCD. As saídas do tagger são descorrelacionadas da massa do jato e do momento transversal ($p_T$).
  • $Y \to VV \to 4q$ (Totalmente Mesclado): Uma nova rede neural baseada em atenção, o "particle transformer" (PART), é empregada para identificar jatos de quatro ramos originados de ressonâncias escalares decaindo para $WW$. Um discriminante $T_{YWW}$ é derivado das saídas do PART.
  • $Y \to VV \to 4q$ (Semimesclado): Os dois jatos $V \to qq$ são identificados usando um discriminante $T_{Wqq}$ derivado do modelo PARTICLENET.
• Categorização de Eventos: Os eventos são classificados em regiões de "Passagem de Sinal" (SP), "Falha de Sinal" (SF), "Passagem de Validação" (VP) e "Falha de Validação" (VF) com base nos limiares de pontuação do tagger e janelas de massa em torno da massa do Higgs ($m_H$).
• Estimativa de Fundo: O fundo dominante de multijetes QCD é estimado usando métodos baseados em dados. O rendimento na região SP é derivado da região SF (onde as seleções do tagger são invertidas) multiplicado por uma função de transferência $R(m_X, m_Y)$. Essas funções de transferência são modeladas usando polinômios de Bernstein 2D, ajustados aos dados em regiões de validação para garantir que o modelo de fundo concorde com as observações sem enviesar a busca de sinal. Fundos menores ($t\bar{t}$, $V$+jets, Higgs SM) são estimados usando simulações de Monte Carlo.

Principais Contribuições

• Primeira Busca Todo-Hadrônica: Este trabalho apresenta a primeira busca no LHC para ressonâncias escalares no canal de decaimento todo-hadrônico $bbVV$.
• Aprendizado de Máquina Inovador: A análise introduz a aplicação da arquitetura "particle transformer" (PART) para identificar jatos $Y \to 4q$ totalmente mesclados, uma técnica anteriormente não testada neste contexto específico no LHC.
• Cobertura Cinemática Abrangente: A busca cobre uma ampla faixa de massa, com $m_X$ entre 900 e 4000 GeV e $m_Y$ entre 60 e 2800 GeV, abordando tanto as topologias totalmente mescladas quanto as semimescladas.

Resultados
Nenhum excesso significativo de eventos acima da expectativa do fundo do Modelo Padrão foi observado em nenhuma das categorias totalmente mesclada ou semimesclada. As maiores desvios locais foram observados em $m_X = 900$ GeV e $m_Y = 80$ GeV (totalmente mesclado, 3.3$\sigma$ de significância local, $<1.0\sigma$ global) e $m_X = 1200$ GeV e $m_Y = 900$ GeV (semimesclado, 1.7$\sigma$ de significância local, $<1.0\sigma$ global), ambos consistentes com flutuações de fundo.

Limites superiores ao nível de confiança de 95% CL foram estabelecidos para o produto da seção de choque de produção e fração de ramificação ($\sigma \times \mathcal{B}$) para $X \to HY \to bbVV$. Os limites alcançam valores tão baixos quanto 0.2 fb para várias hipóteses de massa.

Significância e Alegações
O artigo afirma que esta é a primeira busca por ressonâncias escalares no estado final todo-hadrônico $bbVV$ no LHC. Embora nenhuma nova física tenha sido descoberta, a análise estabelece com sucesso limites de exclusão rigorosos para decaimentos em cascata assimétricos em um regime cinemático desafiador. Os resultados são interpretados no contexto de uma extensão de dois singletos reais ao SM. Os autores observam que, embora não possam ser feitas exclusões de massa para os parâmetros específicos do modelo varridos, os limites observados são aproximadamente um fator de 10 superiores às previsões teóricas para $m_X < 1.4$ TeV e $m_Y < 0.6$ TeV, motivando investigações adicionais deste estado final com conjuntos de dados adicionais. A análise demonstra a viabilidade do uso de ferramentas avançadas de aprendizado de máquina, como o particle transformer, para reconstruir decaimentos hadrônicos altamente boostados e de múltiplos ramos em ambientes de alto pileup.