⚛️ experimentos de altas energias

Search for nonresonant production of strongly coupled dark matter in proton-proton collisions at $\sqrt{s}$ = 13 TeV

Utilizando 138 fb $^{-1}$ de dados de colisões próton-próton a $\sqrt{s}$ = 13 TeV coletados pelo detector CMS, este estudo apresenta uma busca por jatos semivisíveis não ressonantes indicativos de matéria escura fortemente acoplada usando técnicas de aprendizado de máquina supervisionado e não supervisionado, não encontrando nenhum excesso significativo e estabelecendo limites de exclusão em massas de mediadores até 2,4 TeV.

Autores originais: CMS Collaboration

Publicado 2026-10-27

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: CMS 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

Por décadas, as máquinas mais poderosas da Terra têm colidido prótons uns contra os outros a quase a velocidade da luz, revelando um universo construído a partir de um conjunto específico de partículas fundamentais. Este modelo padrão da física tem sido notavelmente bem-sucedido, prevendo o comportamento de tudo, desde os átomos mais leves até as partículas mais pesadas conhecidas. No entanto, astrônomos sabem há muito tempo que este modelo é incompleto. Observações de como as galáxias giram e como a luz se curva ao redor de aglomerados massivos de estrelas sugerem que a maior parte da matéria no universo é invisível. Esta massa perdida, conhecida como matéria escura, não emite luz, não a reflete, nem interage com as forças que mantêm os átomos unidos, tornando impossível vê-la diretamente. Embora cientistas tenham passado anos procurando por uma partícula simples e pesada que pudesse explicar essa escuridão, eles não encontraram nada. Esse silêncio levou pesquisadores a considerar possibilidades mais complexas: talvez a matéria escura não seja uma única partícula solitária, mas um setor inteiro oculto de partículas que interagem entre si através de suas próprias forças, de forma muito semelhante à matéria visível que conhecemos, mas permanecendo escondidas de nossa visão.

Em um estudo recente, a colaboração CMS no Grande Colisor de Hádrons na Suíça colocou uma dessas ideias complexas à prova. Eles procuraram evidências de um "setor escuro" onde partículas são criadas em pares, com uma parte do par sendo visível e a outra parte invisível. Neste cenário, uma partícula pesada decairia em uma dispersão de novas partículas. Algumas dessas novas partículas seriam estáveis e invisíveis, escapando do detector sem deixar rastros, enquanto outras seriam instáveis e decairiam imediatamente em partículas comuns que o detector pode ver. O resultado seria um jato de partículas que se parece com uma dispersão normal de detritos, mas com uma porção significativa de sua energia faltando. Os pesquisadores chamaram esses objetos estranhos de "jatos semivisíveis". Diferente das buscas típicas de matéria escura que procuram por um único jato recuando contra um grande vazio de energia faltante, esta busca procurou para que a energia faltante estivesse alinhada exatamente ao lado do jato visível, escondida dentro da própria dispersão.

Para encontrar esses sinais elusivos, a equipe analisou um enorme conjunto de dados de colisões próton-próton coletadas entre 2016 e 2018, correspondendo a uma luminosidade integrada de 138 femtobarns inversos. Esta quantidade de dados representa um número vasto de colisões, fornecendo um poço profundo de informações para peneirar. O desafio era distinguir esses hipotéticos jatos semivisíveis do excesso de fundo de dispersões de partículas comuns produzidas por processos padrão da física. Para fazer isso, os pesquisadores empregaram duas estratégias distintas de aprendizado de máquina. A primeira foi uma abordagem supervisionada, onde um programa de computador foi treinado em simulações do modelo específico de matéria escura para reconhecer os padrões únicos de um jato semivisível. A segunda foi uma abordagem não supervisionada, onde um programa de computador diferente aprendeu como um jato normal se parece estudando dados reais, e então sinalizou qualquer jato que parecesse incomum ou "anômalo" em comparação com esse padrão. Este segundo método foi projetado para ser mais flexível, capaz de detectar sinais mesmo se eles não coincidissem perfeitamente com as simulações específicas usadas no primeiro método.

A análise focou em eventos onde a energia faltante estava alinhada com um jato, uma assinatura que seria uma prova cabal para este tipo de setor escuro. Os pesquisadores filtraram cuidadosamente eventos causados por erros do detector ou processos de fundo conhecidos, como a produção de quarks top ou o decaimento de bósons W e Z. Eles então examinaram a distribuição da energia faltante em todos os eventos que coletaram. Apesar das ferramentas sofisticadas e do volume imenso de dados, a busca terminou vazia. Os pesquisadores não encontraram nenhum excesso significativo de eventos que pudesse ser atribuído a jatos semivisíveis. Os dados corresponderam perfeitamente às previsões do modelo padrão, sem sinais das partículas do setor oculto que eles estavam caçando.

Como nenhum sinal foi encontrado, a equipe usou seus resultados para descartar versões específicas do modelo de matéria escura que estavam testando. Eles determinaram que, se esses jatos semivisíveis existem, a partícula pesada que os cria não pode ter uma massa entre 0,5 e 2,4 trilhões de elétron-volts, dependendo das outras propriedades do modelo. Para a busca não supervisionada, que é melhor em detectar sinais onde a parte invisível do jato é maior, eles conseguiram excluir massas de até 2,1 trilhões de elétron-volts. Esses limites são significativos porque fecham a porta para uma ampla gama de possibilidades teóricas que não haviam sido testadas antes. O estudo demonstra que, mesmo quando a matéria escura está escondida dentro de um jato, misturada com partículas comuns, ela deixa uma impressão digital distinta que detectores modernos e algoritmos de computador avançados podem buscar. Embora a busca não tenha encontrado a matéria escura, ela mapeou com sucesso o território onde ela não está, guiando experimentos futuros em direção a novas possibilidades.

Resumo Técnico: Busca pela Produção Não Ressonante de Matéria Escura Fortemente Acoplada em Colisões Próton-Próton a $\sqrt{s} = 13$ TeV

Problema e Motivação
Embora o Modelo Padrão (SM) da física de partículas descreva com sucesso as partículas elementares conhecidas, observações astronômicas — como curvas de rotação de galáxias e lentes gravitacionais — indicam fortemente a existência de matéria escura (DM) não explicada pela teoria atual. As buscas tradicionais em colisidores têm se concentrado em WIMPs (Weakly Interacting Massive Particles), que tipicamente produzem assinaturas de momento transversal ausente ( $p^{\text{miss}}_T$ ) recuando contra partículas visíveis do SM. No entanto, nenhuma evidência para a DM do tipo WIMP foi encontrada.

Este artigo investiga uma classe alternativa de modelos envolvendo "vales ocultos" (hidden valleys) ou setores escuros (DS) governados por uma interação de confinamento semelhante à QCD do SM, frequentemente denominada "QCD escura". Nestes cenários, quarks escuros realizam o showering e a hadronização em hádrons escuros. Hádrons escuros estáveis escapam do detector como DM, enquanto outros instáveis decaem prontamente em quarks do SM. Este processo resulta em "jatos semivísiveis" (SVJs — semivisible jets), que são jatos colimados contendo tanto partículas visíveis quanto candidatos a DM invisíveis. Diferente das buscas convencionais de DM, onde o $p^{\text{miss}}_T$ recua contra um jato, os eventos de SVJ apresentam o $p^{\text{miss}}_T$ alinhado com o próprio jato. Este artigo apresenta a primeira busca do CMS para a produção não ressonante de tal matéria escura fortemente acoplada.

Metodologia
A análise utiliza dados de colisões próton-próton coletados pelo detector CMS a $\sqrt{s} = 13$ TeV durante o período de coleta de dados de 2016–2018, correspondendo a uma luminosidade integrada de 138 fb $^{-1}$ .

Modelo de Sinal: O sinal é mediado por um escalar bifundamental massivo $\Phi$ que se acopla simultaneamente a quarks do SM e quarks escuros. O modelo é definido por quatro parâmetros: a massa do mediador ( $m_\Phi$ ), o acoplamento de Yukawa ( $\lambda$ ), a fração de hádrons escuros estáveis ( $r_{\text{inv}}$ ) e a escala de massa do hádrons escuros ( $m_{\text{dark}}$ ).
Seleção de Eventos: Os eventos são selecionados exigindo uma alta soma escalar de momentos transversais ( $S_T > 1300$ GeV), pelo menos dois jatos largos ( $R=0.8$ ), e $p^{\text{miss}}_T$ significativo ( $> 200$ GeV). Um critério de seleção fundamental exige que o ângulo mínimo entre qualquer jato e o vetor $p^{\text{miss}}_T$ ( $\Delta\phi_{\text{min}}$ ) seja menor que 1,5, refletindo o alinhamento esperado em eventos de SVJ.
Estratégias de Aprendizado de Máquina: Dois classificadores (taggers) complementares são empregados para distinguir SVJs de jatos do SM:
1. Classificador Supervisionado (PARTICLENET): Uma rede neural de grafos (GNN) treinada em amostras simuladas de sinal e de fundo. Ela utiliza informações ao nível de partícula (quadrivetores dos constituintes) para aprender a dinâmica específica do shower escuro. É altamente sensível aos parâmetros específicos do modelo usados no treinamento, mas é menos agnóstica ao modelo.
2. Classificador Não Supervisionado (Wasserstein Normalized Autoencoder - WNAE): Um algoritmo de detecção de anomalias treinado em dados do SM (regiões enriquecidas com QCD e $t\bar{t}$ ) para aprender a distribuição de probabilidade da subestrutura de jatos do SM. Ele identifica SVJs como jatos com subestruturas anômalas sem conhecimento prévio do modelo de sinal, oferecendo uma sensibilidade mais ampla a hipóteses de sinal não testadas.
Estimativa de Fundo: O fundo dominante provém de eventos de multijatos QCD com medições incorretas de jatos que induzem um $p^{\text{miss}}_T$ artificial. Este é estimado usando o método ABCDisCoTEC, uma técnica ABCD aprimorada por aprendizado de máquina. Um classificador de rede neural é treinado para ser decorrelacionado de $p^{\text{miss}}_T$ para particionar eventos em quatro regiões (A, B, C, D), permitindo que o fundo na região de sinal (A) seja previsto a partir de regiões de controle (B, C, D) usando dados.
Incertezas Sistemáticas: As incertezas incluem efeitos do detector (escala/resolução de energia de jato, pileup), modelagem teórica (PDFs, escalas de renormalização) e correções específicas para a modelagem incorreta da subestrutura de jatos usando densidades do plano de jato de Lund.

Principais Contribuições

Abordagem de Estratégia Dupla: O artigo introduz e compara um GNN supervisionado dependente de modelo e um autoencoder não supervisionado agnóstico ao modelo para identificação de SVJs, demonstrando as trocas (trade-offs) entre sensibilidade específica e independência de modelo.
Correção de Subestrutura: Um método de correção inovador é aplicado às simulações de sinal para contabilizar a modelagem incorreta da subestrutura de jatos. Isso envolve o re-agrupamento (reclustering) de jatos de sinal em sub-jatos correspondentes a quarks do SM e o reponderamento baseado na densidade do plano de jato de Lund observada em regiões de controle de dados.
Aprimoramento do Método ABCD: A aplicação do método ABCDisCoTEC permite uma estimativa de fundo robusta em um regime dominado por fundos instrumentais (jatos mal medidos) onde estimativas baseadas em simulação tradicional são pouco confiáveis.

Resultados
Nenhum excesso significativo de eventos foi observado sobre o fundo esperado do SM na distribuição de $p^{\text{miss}}_T$ para qualquer uma das duas estratégias de classificação. Consequentemente, limites superiores ao nível de confiança (CL) de 95% sobre a seção de choque de produção do mediador bifundamental $\Phi$ foram estabelecidos.

Busca Supervisionada: Exclui massas do mediador entre 0,5 e 2,4 TeV, dependendo dos outros parâmetros do sinal. Para modelos de sinal com $r_{\text{inv}} = 0,3$ e $\lambda = 1,0$ , todas as massas de hádrons escuros consideradas são excluídas para $m_\Phi < 1,7$ TeV.
Busca Não Supervisionada: Exclui massas do mediador entre 0,5 e 2,1 TeV. Notavelmente, para modelos de sinal com frações maiores de matéria escura estável ( $r_{\text{inv}} \approx 0,6\text{--}0,9$ ), a busca não supervisionada demonstra sensibilidade aumentada, excluindo massas do mediador de até 2,1 TeV, enquanto a busca supervisionada (treinada em valores de $r_{\text{inv}}$ mais baixos) exclui apenas até 1,7 TeV.
Espaço de Parâmetros: Os resultados excluem regiões específicas nos planos $(m_\Phi, r_{\text{inv}})$ , $(m_\Phi, m_{\text{dark}})$ e $(m_\Phi, \lambda)$ . Por exemplo, para $m_\Phi < 1,6$ TeV, todas as variações de $\lambda$ consideradas são excluídas na busca supervisionada, enquanto $\lambda > 2$ é excluído para todos os $m_\Phi$ na mesma estratégia.

Significância
Este trabalho representa a primeira busca do CMS para a produção não ressonante de matéria escura fortemente acoplada. Ao empregar técnicas de aprendizado de máquina para explorar tanto a subestrutura de jatos ao nível de partícula quanto a cinemática ao nível de evento, a análise estende o alcance das buscas de setores escuros além dos paradigmas tradicionais de WIMP. O artigo destaca que, embora os métodos supervisionados ofereçam alta sensibilidade para modelos de referência específicos, a detecção de anomalias não supervisionada fornece uma robustez crucial contra a vasta incerteza nos parâmetros do setor escuro, excluindo com sucesso regiões do espaço de parâmetros que de outra forma permaneceriam não exploradas. Estes resultados complementam as buscas existentes para matéria escura composta e restringem a produção de mediadores escalares bifundamentais em setores escuros fortemente acoplados.

Mais como este