Search for $H\rightarrow c\bar{c}$ and measurement of $H\rightarrow b\bar{b}$ via $t\bar{t}H$ production

Este artigo apresenta uma busca pelo decaimento do bóson de Higgs em pares de quarks charm ($H\rightarrow c\bar{c}$) e uma medição simultânea do decaimento em pares de quarks bottom ($H\rightarrow b\bar{b}$) na produção associada a um par top-antitop ($t\bar{t}H$), utilizando dados do detector CMS a 13 TeV, estabelecendo limites superiores para o acoplamento de Yukawa do quark charm.

O essencial

Imagine que o Bóson de Higgs é como um "ímã cósmico" que dá massa às partículas do universo. Desde que foi descoberto em 2012, os físicos querem saber exatamente como esse ímã interage com os "tijolos" da matéria, chamados de quarks.

Até agora, sabíamos muito bem como o Higgs interage com o quark "bottom" (que é pesado e fácil de encontrar). Mas o grande mistério atual é: como ele interage com o quark "charm" (ou encantado)?

Este quark "charm" é como um primo mais difícil de pegar: ele é mais leve, vive muito pouco tempo e se transforma em outras coisas antes que possamos vê-lo claramente. É como tentar identificar uma pessoa específica em uma multidão de milhões, onde ela usa um disfarce que se parece com o de todos os outros.

O que os cientistas fizeram?

A equipe do experimento CMS (um detector gigante no Grande Colisor de Hádrons, no CERN) decidiu fazer uma busca muito específica. Eles não olharam apenas para o Higgs sozinho; eles procuraram por um "casamento" muito raro:

1. O Evento: Eles procuraram por colisões onde o Higgs é produzido junto com um par de quarks top (os "gigantes" do mundo das partículas). Pense nisso como encontrar o Higgs em uma festa de gala, mas ele só aparece quando os dois maiores "seguranças" da festa (os quarks top) estão presentes.
2. O Mistério: Eles queriam ver se, nesses encontros, o Higgs se transformava em um par de quarks charm (o alvo da busca) ou em quarks bottom (o alvo de comparação).

A Grande Dificuldade: A Agulha no Palheiro

O problema é que, quando o Higgs vira quarks, eles se transformam imediatamente em "jatos" de partículas (como jatos de fumaça saindo de um foguete).

• Diferenciar um jato feito de quarks charm de um feito de quarks bottom é como tentar distinguir uma maçã verde de uma maçã vermelha quando ambas estão dentro de caixas fechadas e tremendo.
• Além disso, há um "ruído" enorme: colisões que produzem apenas jatos comuns, sem nenhum Higgs, que podem imitar o sinal.

A Solução: O Detetive de Inteligência Artificial

Para resolver isso, os cientistas não usaram apenas regras simples. Eles treinaram Inteligências Artificiais (IAs) superpoderosas:

• O "Classificador de Sabores" (ParticleNet): Imagine um chef de cozinha que consegue provar um prato e dizer exatamente se o ingrediente principal foi batata ou cenoura, mesmo que tenham sido cortados do mesmo jeito. Essa IA olha para os jatos e diz: "Isso parece um quark charm" ou "Isso parece um quark bottom".
• O "Detetive de Eventos" (ParT): Depois de classificar os ingredientes, outra IA analisa a "receita inteira" da colisão. Ela olha para todos os pedaços de energia, partículas e buracos no detector ao mesmo tempo para decidir: "Isso foi um evento raro com um Higgs" ou "Isso foi apenas um acidente comum".

O Que Eles Encontraram?

Depois de analisar 138 "anos-luz" de dados (uma quantidade gigantesca de colisões), eis o resultado:

1. O Sucesso com o "Bottom": Eles conseguiram medir com precisão o processo onde o Higgs vira quarks bottom. O resultado bateu perfeitamente com o que a teoria previa (o Modelo Padrão). Foi como confirmar que a receita do bolo estava correta.
2. A Busca pelo "Charm": Eles não viram o sinal do quark charm com a força suficiente para dizer "encontramos!". No entanto, isso é uma notícia importante!
   • Eles conseguiram dizer: "Se o Higgs interage com o quark charm, essa interação não pode ser mais forte do que 7,8 vezes o que esperávamos".
   • Em termos de "força de atração" (acoplamento), eles limitaram essa força a ser no máximo 3 vezes o valor padrão.

Por que isso importa?

Pense nisso como se você estivesse procurando um fantasma.

• Se você não vê o fantasma, mas consegue provar que ele não é um gigante de 10 metros, você já aprendeu algo.
• Ao dizer que a interação do Higgs com o quark charm não é "monstruosa", os cientistas estão refinando o mapa do universo. Se, no futuro, eles encontrarem uma interação muito forte, isso significaria que a nossa física atual está errada e que há "nova física" escondida lá.

Resumo da Ópera:
A equipe usou supercomputadores e inteligência artificial para tentar pegar o Higgs "pegando carona" com os quarks top. Eles confirmaram o que sabiam sobre os quarks bottom e, embora não tenham encontrado o quark charm diretamente, conseguiram dizer que ele não está se comportando de forma estranha ou exagerada. É um passo firme na direção de entender a verdadeira natureza da matéria.

Resumo técnico

Título: Busca por $H \to c\bar{c}$ e medição de $H \to b\bar{b}$ via produção $t\bar{t}H$

Autores: Maarten De Coen, em nome da Colaboração CMS.
Dados: Colisões próton-próton a 13 TeV (2016–2018), luminosidade integrada de 138 fb$^{-1}$.

---

1. O Problema e o Contexto

Desde a descoberta do bóson de Higgs em 2012, o foco da física de partículas tem sido a medição precisa dos seus acoplamentos aos férmions (acoplamentos de Yukawa). Enquanto o acoplamento ao quark bottom ($b$) é bem estabelecido, o acoplamento ao quark charm ($c$) permanece um dos maiores desafios do Modelo Padrão (SM).

• Desafio Principal: O quark charm pertence à segunda geração e possui o maior acoplamento de Yukawa entre os férmions dessa geração. No entanto, distinguir jatos originados de quarks charm de jatos de quarks bottom e de jatos leves (up, down, strange) é extremamente difícil devido às semelhanças nas assinaturas experimentais.
• Objetivo: Este trabalho apresenta uma busca pelo canal de decaimento do Higgs em pares de quarks charm ($H \to c\bar{c}$) produzido em associação com um par top-antitop ($t\bar{t}H$). Simultaneamente, realiza-se uma medição do processo de referência $t\bar{t}H(H \to b\bar{b})$ para validar o método.

2. Metodologia e Estratégia de Análise

A análise utiliza dados do detector CMS e emprega técnicas avançadas de aprendizado de máquina para superar os desafios de identificação de sabor de jatos.

• Canais de Decaimento: A análise considera os três canais de decaimento do par $t\bar{t}$:
  • Hadrônico completo (0L): 0 léptons.
  • Semileptônico (1L): 1 lépton.
  • Dileptônico (2L): 2 léptons.
• Seleção de Eventos:
  • Critérios de corte incluem alto número de jatos (7, 5 e 4, respectivamente), momento transversal faltante ($p_T^{miss}$) e soma de momentos transversais dos jatos.
• Tagging de Jatos (Identificação de Sabor):
  • Utiliza-se o algoritmo ParticleNet (baseado em Redes Neurais de Grafos) para classificar jatos em categorias de bottom (B), charm (C) e leves (LF).
  • Exige-se pelo menos 3 jatos identificados como $b$ ou $c$, com pelo menos 1 jato identificado como $b$.
• Classificação de Eventos (Machine Learning):
  • Um modelo baseado em Transformers chamado Particle Transformer (ParT) é utilizado para classificar os eventos.
  • O ParT recebe como entrada propriedades e características de pares dos objetos do evento (jatos, léptons, $p_T^{miss}$).
  • O modelo é treinado para distinguir entre sinais ($t\bar{t}H \to c\bar{c}$, $t\bar{t}H \to b\bar{b}$, $t\bar{t}Z \to c\bar{c}$, $t\bar{t}Z \to b\bar{b}$) e fundos complexos ($t\bar{t} + \text{jatos}$, divididos em classes baseadas no sabor dos jatos extras: $t\bar{t}+b$, $t\bar{t}+c$, $t\bar{t}+\text{LF}$, e QCD multijato).
• Estratégia de Ajuste:
  • Os eventos são divididos em Regiões de Sinal (SR) e Regiões de Controle (CR) baseadas nas pontuações do ParT.
  • Realiza-se um ajuste de verossimilhança perfilada (binned profile likelihood fit) para extrair a força do sinal ($\mu$), que é a razão entre a yield observada e a expectativa do Modelo Padrão.

3. Resultados Principais

Medição de $t\bar{t}H(H \to b\bar{b})$

• A força do sinal medida é $\mu_{t\bar{t}H(H\to b\bar{b})} = 0.91^{+0.26}_{-0.22}$.
• Este resultado é compatível com o Modelo Padrão e corresponde a uma significância de 4.4 desvios padrão ($\sigma$) acima da hipótese de apenas fundo.
• A incerteza sistemática dominante provém da previsão teórica do fundo $t\bar{t} + \ge 2b$.

Busca por $t\bar{t}H(H \to c\bar{c})$

• Não foi observada evidência de sinal para $H \to c\bar{c}$.
• Estabelece-se um limite superior de confiança de 95% (CL) na força do sinal: $\mu_{t\bar{t}H(H\to c\bar{c})} < 7.8$ (o valor esperado é 8.7).
• Isso significa que a taxa de produção observada é, no máximo, 7.8 vezes maior do que a prevista pelo Modelo Padrão.

Limites no Acoplamento de Yukawa do Charm ($\kappa_c$)

• Utilizando o framework $\kappa$, que parametriza os acoplamentos de Yukawa, e assumindo que o acoplamento ao bottom ($\kappa_b$) é fixo no valor do SM:
  • O limite superior observado para o modificador do acoplamento do charm é $\kappa_c < 3.0$ (esperado: 3.3).
• Este resultado representa uma melhoria em relação aos limites anteriores estabelecidos pela CMS e ATLAS em canais de produção associados a bósons vetoriais ($VH$).

4. Contribuições e Significância

• Tecnologia Avançada: O trabalho demonstra a eficácia de arquiteturas modernas de IA (ParticleNet e Transformers/ParT) na discriminação de sabores de jatos e classificação de eventos em ambientes de alto ruído como o $t\bar{t}H$.
• Validação de Canais: A medição precisa do canal $H \to b\bar{b}$ e a validação com processos de controle ($t\bar{t}Z$) garantem a robustez da análise.
• Prospecção do Setor de Charm: Embora o limite atual ainda esteja acima da previsão do SM (onde $\kappa_c = 1$), o resultado reduz significativamente o espaço de parâmetros para nova física que poderia aumentar o acoplamento do charm.
• Futuro: O resultado é dominado estatisticamente; espera-se que a precisão melhore substancialmente com a coleta de mais dados no futuro (Run 3 e HL-LHC).

Em resumo, este estudo estabelece um novo marco na busca pelo acoplamento do Higgs ao quark charm, utilizando a produção associada a pares top como canal sensível e empregando técnicas de aprendizado de máquina de última geração para separar sinais raros de fundos complexos.