⚛️ high-energy experiments

Simultaneous efficiency measurements of $b$ - and $c$ -jets in $t\bar{t}$ events from $\sqrt{s}=13.6$ TeV $pp$ collision data collected with the ATLAS detector

Este artigo apresenta medições simultâneas das eficiências de identificação de $b$ -jets e de misidentificação de $c$ -jets para o tagger GN2 usando 56 fb $^{-1}$ de dados de $t\bar{t}$ do ATLAS em $\sqrt{s}=13,6$ TeV, alcançando precisões melhores que 2% e 5%, respectivamente, ao aproveitar frações de ramificação conhecidas e reconstrução de verossimilhança cinemática.

Autores originais: ATLAS Collaboration

Publicado 2026-07-08

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: ATLAS Collaboration

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine o Grande Colisor de Hádrons (LHC) como o destruidor de partículas mais poderoso do mundo. Quando ele dispara prótons uns contra os outros, eles explodem em uma chuva de partículas menores, muitas das quais se agrupam para formar "jatos" (jets). Alguns desses jatos vêm de partículas pesadas e de vida curta chamadas quarks bottom (jatos-b), enquanto outros vêm de quarks ligeiramente mais leves, os quarks charm (jatos-c).

O experimento ATLAS no CERN é como uma câmera gigante e ultra-sensível tentando tirar uma foto dessas explosões. Mas há um problema: o software da câmera (o "tagger") não é perfeito. Às vezes, ele vê um jato de charm e pensa erroneamente: "Ah, isso é um jato de bottom!". Isso é chamado de "mistag" (erro de identificação).

Este artigo é essencialmente um relatório de controle de qualidade para o software dessa câmera. A equipe queria saber:

O quão bom o software é em identificar corretamente um jato de bottom.
Com que frequência ele acusa falsamente um jato de charm de ser um jato de bottom.

Eles usaram um tipo específico de colisão de partículas chamado evento de par de quarks top ( $t\bar{t}$ ) como seu "laboratório de testes". Pense no quark top como um "pai" muito instável que quase sempre se divide em um quark bottom e um bóson W. O bóson W então se divide novamente.

Em alguns casos, o bóson W se divide em um lépton (como um elétron ou múon) e um neutrino. Este é o lado "limpo" do evento.
Em outros casos, o bóson W se divide em dois quarks (um charm e um strange). Este é o lado "bagunçado".

A Analogia do Detetive
Imagine que você é um detetive tentando identificar um suspeito (o jato de bottom) em uma multidão.

O Lado "Limpo": Você sabe com certeza que uma pessoa na multidão deve ser o suspeito porque ela veio de uma fonte específica e confiável (o quark top que decai leptonicamente). Você verifica o software da câmera contra este suspeito conhecido para ver o quão bem ele identifica o alvo. Isso mede a eficiência (o quão frequentemente ele acerta).
O Lado "Bagunçado": Do outro lado da sala, você sabe que há um grupo de pessoas que definitivamente não são o suspeito, mas que se parecem um pouco com ele. Especificamente, você sabe que o bóson W produz um quark charm cerca de 33% das vezes. Você usa esse grupo conhecido para ver com que frequência o software da câmera se confunde e diz: "Aquele é o suspeito!" quando na verdade é um quark charm. Isso mede a taxa de erro de identificação (mistagging rate).

O Que Eles Fizeram
Os pesquisadores utilizaram dados de 2022 e 2023, representando 56 "fermi-tons inversos" de colisões (uma forma sofisticada de dizer uma quantidade massiva de dados). Eles usaram uma nova ferramenta de IA avançada chamada GN2 (uma rede neural do tipo "single-transformer") para realizar a identificação (tagging).

Eles não apenas adivinharam; eles construíram um modelo matemático para resolver simultaneamente duas coisas ao mesmo tempo:

Com que frequência a IA detecta corretamente os jatos de bottom reais.
Com que frequência a IA detecta falsamente jatos de charm como se fossem de bottom.

Eles compararam seus dados do mundo real com simulações de computador. Como as simulações de computador não são perfeitas, eles calcularam "Fatores de Escala" (SFs). Pense neles como coeficientes de correção. Se a simulação do computador diz que a IA tem 90% de precisão, mas os dados reais mostram que ela é, na verdade, 95%, o fator de escala é 1,05. Os cientistas aplicam esse fator a simulações futuras para que elas correspondam à realidade.

Os Resultados

Precisão: Eles mediram a eficiência de detectar jatos de bottom com uma precisão melhor que 2% na maioria dos casos. Para detectar jatos de charm (erros de identificação), a precisão foi melhor que 5%.
Consistência: Eles verificaram seus resultados contra um método diferente (usando eventos onde ambos os quarks top decaem em léptons) e descobriram que os números coincidiam perfeitamente. Isso lhes dá alta confiança de que suas medições estão corretas.
A Vantagem do "GN2": O artigo observa que este novo identificador de IA é melhor em distinguir jatos de charm de jatos de bottom do que as ferramentas antigas, tornando a medição desses "mistags" mais difícil, porém mais valiosa.

Em Resumo
Este artigo não descobre uma nova partícula ou uma nova força da natureza. Em vez disso, ele fornece um manual de calibração para o software do experimento ATLAS. Ao medir precisamente com que frequência o software confunde jatos de charm por jatos de bottom, e com que frequência ele encontra corretamente os jatos de bottom, a equipe garante que cada experimento futuro usando esses dados seja construído sobre uma base sólida e precisa. É a diferença entre uma foto borrada e uma imagem de alta definição e nítida do mundo subatômico.

Resumo Técnico: Medições Simultâneas de Eficiência de Jets $b$ e $c$ em Eventos $t\bar{t}$ a partir de Dados de Colisões $pp$ em $\sqrt{s}=13,6$ TeV

Problema e Motivação
Em análises no Large Hadron Collider (LHC), identificar jets originados de quarks bottom ( $b$ ) ou charm ( $c$ ) é crítico para estudos que variam desde decaimentos do bóson de Higgs até a produção de pares de quarks top. Embora as simulações de Monte Carlo (MC) forneçam estimativas de eficiências de marcação (tagging), elas são imperfeitas. Consequentemente, fatores de escala (SFs) baseados em dados — a razão entre a eficiência em dados e a em simulação — são necessários para corrigir os pesos da simulação. Medições anteriores de SFs de jets $b$ da ATLAS utilizaram eventos $t\bar{t}$ dileptônicos, enquanto SFs de erro de marcação (mistagging) de jets $c$ foram medidas usando eventos $t\bar{t}$ semileptônicos. No entanto, estas eram frequentemente tratadas como medições separadas. Este artigo aborda a necessidade de uma medição simultânea da eficiência de marcação de jets $b$ e do erro de marcação de jets $c$ utilizando o mais recente GN2 tagger, um grafo de rede neural baseado em um único transformador, para melhorar a precisão e a consistência da calibração de marcação de sabor para os dados da Run 3.

Metodologia
A análise utiliza 56 fb $^{-1}$ de dados de colisões próton-próton coletados pelo detector ATLAS a uma energia de centro de massa de $\sqrt{s}=13,6$ TeV durante 2022 e 2023. A seleção de eventos visa eventos $t\bar{t}$ semileptônicos, caracterizados por exatamente um elétron ou múon isolado, momento transversal ausente e requisitos específicos de multiplicidade de jets (tipicamente 3–4 jets, com permissões para multiplicidades mais altas sob condições cinemáticas específicas).

Uma técnica de verossimilhança cinemática é empregada para reconstruir a topologia de decaimento $t\bar{t}$ , mapeando jets reconstruídos aos produtos de decaimento dos quarks top e bósons $W$ sem depender de informações pré-existentes de marcação de $b$ . Isso permite a identificação de:

Top-jet leptônico: O jet $b$ proveniente do quark top que decai leptonicamente ( $t \to W b \to \ell \nu b$ ).
Top-jet hadrônico: O jet $b$ proveniente do quark top que decai hadronicamente.
Jets $W$ : Os dois jets resultantes do decaimento hadrônico do bósons $W$ ( $W \to q\bar{q}'$ ), que contêm predominantemente quarks $c$ (fração de ramificação $\approx 33\%$ ) e quarks de sabor leve.

A análise emprega um ajuste simultâneo para determinar os SFs para jets $b$ ( $b_t(i)$ ) e jets $c$ ( $c_t(i)$ ) como uma função do momento transversal do jet ( $p_T$ ) através de seis intervalos de marcação GN2 (variando de 0–65% a 90–100% de eficiência em simulação).

SFs de jets $b$ : Restritos comparando a fração de top-jets leptônicos que caem em cada intervalo GN2 contra as expectativas de MC. Os backgrounds de jets de sabor leve neste canal são normalizados usando a massa invariante do lépton e do top-jet leptônico ( $m_{j\ell}$ ).
SFs de jets $c$ : Restritos analisando o discriminante GN2 dos jets $W$ marcados em eventos onde o outro jet $W$ não é marcado e ambos os top-jets são fortemente marcados. A fração de ramificação conhecida de $W \to c\bar{s}$ permite a extração das taxas de erro de marcação de jets $c$ .
Ajuste Combinado: Um $\chi^2$ de minimização total combina as medições semileptônicas com uma medição independente de SF de jets $b$ de eventos $t\bar{t}$ dileptônicos (usando um prior) para restringir ainda mais as eficiências de jets $b$ .

As incertezas sistemáticas são avaliadas variando parâmetros de modelagem de MC (chuva de partons, hadronização, ISR/FSR), escala/resolução de energia de jet e normalizações de background. As maiores incertezas derivam da modelagem de $t\bar{t}$ (especificamente a escolha do modelo de chuva de partons/hadronização) e reconstrução de jets.

Resultados Principais

Eficiência de Marcação de Jets $b$ : Os SFs medidos não mostram dependência forte de $p_T$ do jet no intervalo de 20–250 GeV. Para o intervalo de marcação mais forte (0–65%), a incerteza total atinge melhor que 2% para jets com $p_T > 60$ GeV. Os resultados são consistentes com medições independentes de eventos $t\bar{t}$ dileptônicos.
Eficiência de Erro de Marcação de Jets $c$ : Diversas medições nos quatro intervalos de marcação mais frouxos alcançam uma precisão melhor que 5%. Os SFs geralmente não exibem uma dependência forte de $p_T$ , embora o intervalo mais forte (0–65%) mostre uma eficiência em dados maior do que em simulação de MC.
Determinação Simultânea: O ajuste extrai com sucesso tanto os SFs de jets $b$ quanto os de jets $c$ simultaneamente, sendo a correlação estatística entre os dois pequena em comparação com as correlações sistemáticas. Os fatores de normalização para backgrounds de sabor leve e rendimentos de sinal foram encontrados consistentes com as expectativas.

Significância e Alegações
O artigo afirma ser o primeiro a relatar medições simultâneas de SFs de marcação de jets $b$ e erro de marcação de jets $c$ usando eventos $t\bar{t}$ semileptônicos. Esta abordagem aproveita a topologia de decaimento específica de eventos $t\bar{t}$ para restringir ambas as eficiências dentro de um único framework, utilizando o tagger GN2 que oferece desempenho melhorado sobre algoritmos anteriores. Os resultados fornecem entradas de calibração essenciais para análises da ATLAS que requerem marcação de sabor precisa, particularmente aquelas envolvendo identificação de quarks $b$ e $c$ na era de alta luminosidade da Run 3. O artigo nota modestamente que, embora as medições sejam precisas, as incertezas são dominadas por efeitos sistemáticos relacionados à modelagem de MC, particularmente os modelos de chuva de partons e hadronização.

Mais como este