原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，大型强子对撞机（LHC）是世界上最强大的粒子粉碎机。当科学家让质子以接近光速的速度碰撞时，会产生一场新粒子的混乱爆炸，就像把两块手表撞在一起，看着齿轮、弹簧和玻璃碎片飞溅四射一样。
大多数时候，物理学家都在这些碎片中寻找“稀有宝石”——即可能揭示新物理定律的奇异粒子。然而，存在一种非常普遍且杂乱的背景噪声，使得寻找这些宝石变得困难：顶夸克对。
问题所在：“顶夸克”交通堵塞
顶夸克是已知最重的基本粒子。当它们成对产生（称为 ）时，几乎总是会衰变为其他粒子。有时，这个过程会意外地产生额外的重粒子，称为粲夸克（charm quarks）或底夸克（bottom quarks）。
把顶夸克对事件想象成一条繁忙的高速公路。通常，你预期只会看到主要的车辆（顶夸克）。但有时，高速公路上会被额外的送货卡车（粲夸克）堵塞。这些卡车很令人头疼，因为它们看起来与科学家试图寻找的稀有“宝石”（如希格斯玻色子）非常相似。如果你不知道路上通常有多少辆卡车，你就无法分辨出一辆新出现的卡车是正常的交通流量，还是特殊的专递货物。
使命：统计“粲”卡车的数量
这篇论文描述了 ATLAS 实验团队首次尝试精确统计伴随顶夸克对出现的粲夸克数量的过程。
在此之前，科学家们对于顶夸克伴随底夸克出现的频率有很好的地图（理论预测），但对于粲夸克的猜测却非常模糊。这就像是在试图导航一座城市，虽然拥有主干道的完美地图，却对小巷的地图一无所知。
侦探工作：“味识别”护目镜
为了解决这个问题，团队需要一种方法来区分飞出的不同类型的“卡车”（粒子喷注）。
- 挑战： 标准工具擅长识别底夸克，但在识别粲夸克方面表现糟糕。
- 解决方案： 团队构建了一种定制的“味识别（flavor-tagging）”算法。想象一下戴上一副高科技护目镜，它能瞬间将每个粒子喷注标记为“轻”、“粲”或“底”，并具有极高的置信度。这使得他们能够将碎片分类到特定的堆栈中：
- 含有两个或更多粲喷注的事件。
- 含有恰好一个粲喷注的事件。
实验：分类碎片
团队分析了 2015 年至 2018 年间收集的大量数据（140 个“反常费米米尔恩”，这是一种说法，意指“一大堆碰撞”）。他们寻找特定的模式，即顶夸克衰变为电子或缪子（电子的较轻亲戚）的过程，然后检查剩余的碎片中是否存在这些粲标签。
他们设置了一个带有不同区域的“控制室”：
- 信号区（Signal Regions）： 预期会发现粲含量较高的事件的地方。
- 控制区（Control Regions）： 他们知道那里不会出现粲夸克，目的是为了确保他们的背景噪声估算正确。
结果：地图很接近，但有偏差
在处理完数据后，团队发现：
- 他们找到了粲夸克： 他们成功测量了顶夸克对伴随粲夸克出现的速率，这是首次实现。
- 预测很接近，但偏低： 理论模型（即“地图”）预测了这种情况发生的频率，它们处于正确的量级范围内。然而，每一个模型预测的事件数都比实际观测到的要少。
- 想想看，天气预报说“有 20% 的降水概率”，但实际上却有 30% 的时间在下雨。预报并没有错在“会下雨”这件事上，而是低估了“下雨的程度”。
测得的“截面”（衡量事件发生可能性的度量）为：
- 顶夸克 + 2 粲： 1.28 皮贝（picobarns）。
- 顶夸克 + 1 粲： 6.4 皮贝。
这为什么重要
这不仅仅是关于计数粒子，更是关于清理噪声。因为这些“富含粲”的顶夸克事件是其他稀有发现的主要背景噪声来源，因此拥有准确的计数有助于物理学家过滤掉虚假信号。
论文得出结论，虽然我们目前的计算机模拟做得还不错，但它们一致低估了产生的粲夸克数量。这告诉理论学家：“你们的地图需要更新了；高速公路上的粲卡车比你们想象的要多。”
简而言之： ATLAS 团队利用定制软件统计了伴随顶夸克出现的重“粲”粒子的频率。他们发现当前的理论过于悲观，预测的事件数实际上低于现实观测值。这些新数据将有助于完善未来用于搜索更稀有物理现象的模型。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。