Confronting Vector-Like Quark Models with LHC Searches

Este artigo apresenta o VLQBounds, um framework público em Python que automatiza a confrontação de modelos de Quarks Vetoriais-Like com os limites de exclusão do LHC, interpolando grades experimentais legíveis por máquina para fornecer veredictos rápidos, canal a canal, ao nível de confiança de 95%, para diversos cenários de produção e decaimento.

O essencial

Imagine o Grande Colisor de Hádrons (LHC) como a fábrica de esmagamento de partículas mais poderosa do mundo. Os físicos o utilizam para procurar "Quarks Vetoriais-Like" (VLQs) — partículas hipotéticas e pesadas que não existem em nossa compreensão atual do universo, mas que podem estar se escondendo nos detritos dessas colisões.

O problema é que os experimentos do LHC (ATLAS e CMS) publicam milhares de páginas de dados, regras e "zonas de exclusão" (áreas onde afirmam: "Olhamos aqui e não encontramos nada"). Para um teórico tentando verificar se sua ideia específica sobre essas novas partículas ainda é possível, navegar por esse labirinto é como tentar encontrar uma agulha específica em um palheiro usando óculos que deixam cego. Cada experimento fala uma linguagem ligeiramente diferente: alguns discutem massa, outros ângulos de mistura, e outros a largura do "decaimento" da partícula.

Apresentamos o VLQBounds: O Tradutor Universal e Detetive

Este artigo introduz o VLQBounds, uma nova ferramenta computacional (escrita em Python) que atua como um tradutor universal e um detetive para esses físicos de partículas. Veja como funciona, usando analogias simples:

1. O "Tradutor Universal" (Lidando com Diferentes Línguas)

Imagine que você está tentando comprar um ingresso para um concerto, mas a bilheteria fala três dialetos diferentes. Um balcão pede sua altura, outro pede seu número de sapato e um terceiro pede sua cor favorita. Se você não falar esses dialetos, não consegue entrar.

No mundo da física de partículas, os resultados experimentais são publicados nessas diferentes "línguas" (massa-mistura, massa-acoplamento, massa-largura).

• O que o VLQBounds faz: Ele pega sua teoria específica (por exemplo, "tenho uma partícula com esta massa e este ângulo de mistura") e traduz instantaneamente para a linguagem exata que o experimento específico utilizou. Ele converte sua entrada para que possa ser comparada diretamente aos dados experimentais, sem que você precise realizar a matemática complexa manualmente.

2. O "Mapa do Detetive" (Interpolação)

Os experimentos não testam cada massa possível. Eles testam pontos específicos, como procurar uma chave perdida a 1000 metros, 1100 metros e 1200 metros, mas não a 1050 metros.

• O que o VLQBounds faz: Se você quiser verificar uma massa de 1050 metros, a ferramenta usa um método inteligente de "ligar os pontos" (interpolação) para estimar qual seria o limite experimental naquele ponto exato. Ela desenha um mapa suave entre os pontos testados para que você possa verificar qualquer localização na grade, desde que esteja dentro da área que eles realmente observaram.

3. O "Juiz Mais Rigoroso" (Encontrando a Busca Mais Sensível)

Imagine que você tem um suspeito (sua teoria de partícula) e uma fila de 50 detetives diferentes (pesquisas experimentais). Alguns detetives são melhores em encontrar suspeitos na chuva; outros são melhores na neve.

• O que o VLQBounds faz: Ele não pergunta a apenas um detetive; ele confronta sua teoria com todas as pesquisas relevantes do ATLAS e do CMS. Em seguida, identifica o único detetive que tem maior probabilidade de pegar seu suspeito. Se até mesmo esse melhor detetive disser: "Não vi isso, e sou muito bom em procurar", então sua teoria é considerada "excluída" (descartada) com um nível de confiança de 95%.

4. O "Boletim Escolar" (Resultados Claros)

Em vez de fornecer uma parede confusa de números, o VLQBounds oferece um veredito claro:

• Veredito: "Excluído" ou "Não Excluído".
• Evidência: Ele informa exatamente qual experimento (o "detetive") tomou a decisão e quão perto você estava de ser pego.
• Reprodutibilidade: Mantém um registro perfeito de como chegou a essa conclusão, para que qualquer outra pessoa possa executar a mesma verificação e obter a resposta exata.

O Que Ele Pode e Não Pode Fazer

• Ele PODE: Pegar sua ideia sobre uma partícula pesada, verificá-la contra todos os dados públicos atuais do LHC e dizer se sua ideia ainda está viva ou se foi eliminada pelos dados. Ele lida com diferentes tipos dessas partículas (parceiros do Top, parceiros do Bottom e partículas exóticas).
• Ele NÃO PODE: Não vai adivinhar o que acontece fora da área que os experimentos realmente observaram. Se os experimentos só olharam até 2.000 unidades de massa e você pergunta sobre 2.500, a ferramenta dirá educadamente: "Não sei, porque ninguém olhou lá ainda". Ela se recusa a inventar dados.

Por Que Isso Importa

Antes desta ferramenta, verificar se uma nova teoria era válida era um processo lento, manual e propenso a erros. O VLQBounds automatiza isso, tornando-o rápido e confiável. Ele permite que os físicos escaneiem rapidamente milhares de ideias para ver quais ainda são possíveis e quais foram descartadas pelo colisor de partículas mais poderoso do mundo.

Em resumo, o VLQBounds é a ferramenta que ajuda os físicos a parar de adivinhar e começar a saber quais de suas ideias sobre o universo sobreviveram ao teste definitivo.

Resumo técnico

Resumo Técnico de "VLQBounds: Confrontando Modelos de Quarks Vetoriais-Like com Buscas do LHC"

Declaração do Problema
A busca por Quarks Vetoriais-Like (VLQs) é um componente central da física Além do Modelo Padrão (BSM) no Grande Colisor de Hádrons (LHC). Embora ATLAS e CMS tenham publicado limites de exclusão extensos para VLQs (especificamente o parceiro do top $T$, o parceiro do bottom $B$ e parceiros exóticos $X$ e $Y$), esses resultados são apresentados em formatos nativos diversos: limites superiores de seção de choque, contornos de exclusão no plano $(m_Q, \sin \theta_{L/R})$, limites no plano $(m_Q, \kappa)$ e limites no plano $(m_Q, \Gamma_Q/m_Q)$ sob suposições de razão de ramificação fixa.

A diversidade dessas representações, combinada com a complexidade da fenomenologia de VLQs (incluindo representações de singletos, dupletos e tripletos com padrões de mistura variados), torna difícil testar cenários de VLQ arbitrários de forma coerente e automática. Ferramentas de reinterpretação de propósito geral existentes (por exemplo, MadAnalysis 5, CheckMATE) não estão organizadas especificamente em torno das parametrizações nativas usadas nas publicações de VLQ, enquanto ferramentas dedicadas como XQCAT são limitadas a modos de produção específicos e suposições de decaimento em massa. Há uma falta de um framework leve, orientado a dados, capaz de mapear parâmetros de VLQ definidos pelo usuário diretamente nos limites experimentais nativos para produção em pares e produção única.

Metodologia
Os autores introduzem o VLQBounds, um framework público em Python projetado para confrontar cenários de VLQ com limites de exclusão públicos do ATLAS e do CMS. A metodologia baseia-se em uma abordagem orientada a dados, onde limites experimentais e seções de choque teóricas são armazenados como arquivos JSON legíveis por máquina.

1. Framework Teórico: O código suporta representações padrão de VLQ (singletos, dupletos, tripletos) misturando-se dominantemente com a terceira geração do SM. Ele lida com a conversão entre diferentes parametrizações:

   • Massa e ângulos de mistura ($m_Q, s_{L/R}$).
   • Massa e acoplamento efetivo ($m_Q, \kappa$).
   • Massa e largura relativa ($m_Q, \Gamma_Q/m_Q$).
   • O framework utiliza relações estabelecidas (Tabela 1 no artigo) para traduzir entre ângulos de mistura e o acoplamento efetivo $\kappa$ usado em publicações experimentais.

2. Entradas Experimentais: O framework incorpora uma coleção curada de buscas do ATLAS e do CMS cobrindo produção em pares ($pp \to Q\bar{Q}$) e produção única ($pp \to Qq$). Essas entradas incluem metadados sobre energia no centro de massa, luminosidade, topologias de decaimento e multiplicidades de léptons.

3. Interpolação e Lógica de Decisão:

   • Interpolação: Como os limites experimentais são publicados em pontos discretos, o VLQBounds realiza interpolação linear ou que preserva a forma dentro do domínio cinemático publicado. Crucialmente, o código não extrapola além da grade disponível; pontos fora do domínio são sinalizados.
   • Comparação: Para um ponto de modelo dado, o framework calcula a seção de choque teórica ($\sigma_{\text{theo}}$) e a compara com os limites observados ($\sigma_{\text{obs}}$) e esperados ($\sigma_{\text{exp}}$).
   • Seleção: Ele calcula razões de sensibilidade $r = \sigma_{\text{theo}} / \sigma_{\text{limit}}$ para todos os canais relevantes. O canal mais sensível é selecionado maximizando a razão esperada $r_{\text{exp}}$.
   • Veredito: Uma exclusão ao Nível de Confiança (CL) de 95% é retornada se a razão observada do canal selecionado satisfizer $r_{\text{obs}} \geq 1$.

4. Arquitetura de Software: O pacote é modular, separando definições de modelo, utilitários de física, acesso a dados experimentais e lógica de inferência. Ele fornece uma API pública unificada (fachada) para definir parâmetros e executar varreduras, bem como ferramentas internas para gerar gráficos de validação diretamente a partir dos arquivos de dados.

Principais Contribuições

• Framework Dedicado: O VLQBounds é a primeira ferramenta pública projetada especificamente para interpretar limites de VLQ em seus espaços de parâmetros nativos ($m_Q, s_{L/R}$, $m_Q, \kappa$, $m_Q, \Gamma_Q/m_Q$), fechando a lacuna entre ferramentas de reinterpretação geral e a fenomenologia específica de VLQ.
• Cobertura Abrangente: Ele suporta todos os quatro estados canônicos de VLQ ($T, B, X, Y$) através de representações de singletos, dupletos e tripletos, lidando com ambos os mecanismos de produção em pares e produção única.
• Reprodutibilidade: O framework garante a reprodutibilidade gerando gráficos de validação e saídas de varredura diretamente a partir dos mesmos arquivos de dados legíveis por máquina internos usados para a lógica de exclusão, evitando matrizes numéricas codificadas em scripts do usuário.
• Design Modular: O código é estruturado para permitir futuras extensões a novas buscas de colisores e padrões de decaimento não mínimos (por exemplo, cenários 2HDM+VLQ).

Resultados
O artigo valida o framework através de vários exemplos:

• Validação: Os autores demonstram que o VLQBounds pode reproduzir contornos de exclusão publicados. A Figura 3 mostra a reconstrução dos limites de massa-largura do CMS para um singleteto $T$, e a Figura 4 mostra a reconstrução dos limites de massa-acoplamento do ATLAS. A ferramenta interpola com sucesso dentro dos dados publicados para reproduzir os limites observados e esperados.
• Varreduras de Referência: A Figura 5 apresenta contornos de exclusão para seis cenários representativos (Singleteto T, Dupleto T, Singleteto B, Dupleto B, Dupleto X, Dupleto Y) no plano $(m_Q, \Gamma_Q/m_Q)$.
  • Os resultados ilustram a fenomenologia esperada: em larguras relativas pequenas, as exclusões são dominadas por buscas de produção em pares via QCD, resultando em limiares de massa quase verticais.
  • À medida que a largura (e o acoplamento efetivo) aumenta, os canais de produção única tornam-se dominantes, estendendo a sensibilidade para massas mais altas.
  • A ferramenta identifica corretamente a transição entre a dominância da produção em pares e da produção única com base na representação específica e nos parâmetros de mistura.

Significado e Alegações
Os autores posicionam o VLQBounds como uma "camada dedicada e leve" para o uso direto de buscas públicas de VLQ. Seu significado reside na capacidade de automatizar o confronto de modelos teóricos de VLQ com dados experimentais sem exigir reanálise no nível do detector.

O artigo afirma que a ferramenta é adequada para:

1. Varreduras fenomenológicas rápidas sobre grandes espaços de parâmetros.
2. Validação de limites públicos.
3. Fluxos de trabalho de reinterpretação reprodutíveis.

A implementação é descrita como "deliberadamente conservadora", aderindo estritamente à cobertura cinemática publicada sem extrapolação. Os autores observam que, embora a versão atual cubra um amplo conjunto de limites públicos, a arquitetura é projetada para acomodar futuras extensões, mencionando especificamente o potencial de um framework 2HDM+VLQ para lidar com canais de decaimento exóticos (por exemplo, $T \to Ht$, $B \to Hb$) e projeções futuras para o Run-3 e o LHC de Alta Luminosidade. A ferramenta é lançada como software de código aberto para facilitar a adoção pela comunidade e desenvolvimento adicional.