Search for a boosted Higgs boson decaying to bottom quark pairs in association with a W or Z boson in proton-proton collisions at $\sqrt{s}$ = 13 TeV

利用 CMS 检测器在 13 TeV 下收集的 138 fb$^{-1}$ 质子-质子碰撞数据，对与强子衰变的 W 或 Z 玻色子关联产生的、通过底夸克对衰变的被轰击 Higgs 玻色子进行的搜索，得到了观测到的信号强度 $\mu$ = 0.72 $^{+0.75}_{-0.71}$，在不确定度范围内与标准模型预期一致。

要点

大局观：寻找“超重型”希格斯玻色子

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。它通过将质子撞在一起，创造出一种由新粒子组成的混乱爆炸。在这些粒子中，科学家们正在寻找希格斯玻色子（Higgs boson），这是一种赋予其他粒子质量的粒子。

通常情况下，当希格斯玻色子被创造出来时，它就像一只动作缓慢、昏昏欲睡的乌龟。它会缓缓漂移并衰变为（分解为）更小的碎片。但有时，希格斯玻色子会获得巨大的能量推动，以接近光速的速度疾驰而去。这被称为**“被助推的”（boosted）希格斯玻色子**。

这篇论文是来自欧洲核子研究中心（CERN）CMS实验的一份报告。团队进行了一场寻找这些快速移动的希格斯玻色子的“寻宝之旅”。具体来说，他们正在寻找那些与 W 或 Z 玻色子（另外两种重粒子）同时产生的希格斯玻色子，并且其中的希格斯玻色子本身会衰变为一对底夸克（bottom quarks）（这是一种沉重的粒子，因为它们看起来像一堆杂乱的碎片，所以极难被识别）。

挑战：大海捞针

寻找被助推的希格斯玻色子极其困难。这就像是在一个挤满了成千上万人在燃放廉价烟花的体育场里，试图寻找一种特定且稀有的烟花类型。

1. 噪声： 最大的问题是“背景噪声”。当质子发生碰撞时，会产生数百万个普通的粒子喷注（jets）（就像随机的火花）。这些看起来与我们要找的希格斯玻色子非常相似。
2. 信号： 我们想要的希格斯玻色子很特别，因为它很重且移动很快。当它分解为两个底夸克时，这两个夸克靠得非常近，以至于它们合并成了一个单一的、巨大的、模糊的团块（即“大半径喷注”）。
3. 同伙： 为了增加难度，希格斯玻色子通常与 W 或 Z 玻色子一起产生。在这次特定的搜索中，团队寻找的是这样一种情况：即希格斯玻色子和 W/Z 玻色子都分解成了杂乱的喷注，而不是像电子或μ子那样干净、易于识别的粒子。

侦探工作：他们是如何破案的

CMS 团队使用了一种多步骤策略来过滤噪声并寻找信号。

1. 高速过滤器（触发器/Triggers）
首先，他们设置了一个“测速陷阱”。他们只保留那些粒子移动速度极快（横向动量 > 450 GeV）的碰撞数据。这就像夜店里的保安，只允许那些奔跑速度超过一定标准的客人进入，而忽略其他人。

2. “智能”之眼（人工智能与神经网络）
一旦获得了这些高速碰撞的数据，他们需要分辨出什么是“希格斯喷注”，什么是“随机垃圾喷注”。

• 他们使用了一种名为 PARTICLENET 的高级 AI 工具，它扮演着超级聪明侦探的角色。
• 这个 AI 会观察巨大喷注的内部结构。希格斯喷注具有特定的“指纹”（看起来像是两个不同的物体合并在一起），而随机的垃圾喷注看起来则是一片混乱。
• AI 还会检查“重味”（heavy flavor），寻找底夸克的迹象，因为底夸克是希格斯衰变的特定成分。

3. 控制组（侧带/Sidebands）
为了确保他们的 AI 不仅仅是在瞎猜，他们使用了“控制组”。他们观察了已知不存在希格斯玻色子的数据区域（“侧带”）。通过研究这些区域，他们可以准确估算出有多少“垃圾”隐藏在真实数据中，并将它们减去。

结果：差一点成功，但在方法论上是成功的

在分析了从 2016 年到 2018 年的数据（海量信息，相当于 138 个“逆费米本”的碰撞）后，以下是他们的发现：

• 计数： 他们发现了一个看起来非常像标准模型希格斯玻色子的信号。
• 强度： 他们测量了“信号强度”（即这种现象发生的频率与理论预测的频率之比）。他们发现该值为 0.72。
  • 类比： 如果理论预测应该出现 100 个希格斯玻色子，他们发现的证据大约对应 72 个。
  • 关键点： 由于数据噪声很大且事件罕见，不确定性也非常高。结果记录为 0.72 ± 0.75。这意味着真实的数值可能在几乎为零到接近理论预测值的 1.5 倍之间的任何地方。
• 显著性： 在统计学上，这个结果距离“什么也没发生”有 1.0 个标准差。在粒子物理学界，你通常需要 5 个标准差才能宣布一项“发现”。因此，这不是一项发现，而是一个“暗示”或“推动”。

然而，还有一个积极的方面：

• 验证： 他们还研究了一个涉及 Z 玻色子的类似过程（VZ），以此来测试他们的实验方法。他们的方法能够成功测量 Z 玻色子，这一事实证实了他们的“侦探工具”（即 AI 和选择标准）是正常工作的。

结论

论文得出结论：虽然他们没有发现关于新物理现象的“铁证”（smoking gun），但他们成功地证明了该方法是行之有效的。

他们展示了利用先进的人工智能和大半径喷注，在杂乱的“强子型”（全喷注）衰变通道中寻找这些难以捉摸的、快速移动的希格斯玻色子是可行的。该搜索的灵敏度主要受限于可用数据的量。这就像是在飓风中试图听清一声耳语；他们拥有合适的麦克风（探测器和 AI），但他们需要更多的时间来倾听（更多的数据），才能百分之百确定自己听到了什么。

简而言之： 他们构建了一个高科技网，用来捕捉快速、杂乱的希格斯玻色子。他们捕捉到了一些看起来很有希望的粒子，但这个网目前还不够大，还不足以让他们百分之百确定。他们已经准备好在未来利用更多的数据再次撒网。

技术摘要

技术摘要：寻找与 W 或 Z 玻色子关联的、通过底夸克对衰变的被加速希格斯玻色子

问题与动机
2012 年希格斯玻色子（H）的发现及随后的性质测量，巩固了标准模型（SM）对电弱对称性破缺的理解。然而，对与矢量玻色子（VH，其中 V = W 或 Z）关联产生的希格斯玻色子进行精确测量，对于揭示可能在极高横向动量（$p_T$）下表现得更为显著的超越标准模型（BSM）现象至关重要。虽然主导的胶胶合（ggH）产生机制在 $p_T$ 增加时相对贡献度下降，但关联产生（VH）的比例在高 $p_T$ 下会上升。

$H \to b\bar{b}$ 衰变道（其分支比为 58%）是研究被加速希格斯产生过程的理想选择。在高 $p_T$ 时，希格斯及其关联矢量玻色子的衰变产物会发生准直，并重建为单个大半径喷注。虽然针对轻子衰变通道的 VH 产生中的 $H \to b\bar{b}$ 搜索已经开展，但哈德洛尼衰变的矢量玻色子通道（$V \to q\bar{q}$）此前仅由 ATLAS 实验进行过探索。本工作构成了 CMS 合作组在该领域的首次此类搜索，旨在将高 $p_T$ 希格斯测量扩展到 $V(qq)H(b\bar{b})$ 末态。

方法论
本分析利用了 CMS 探测器在 $\sqrt{s} = 13$ TeV 的 2016–2018 年运行期间收集的质子-质子碰撞数据，对应积分亮度为 13 8 fb$^{-1}$。

• 事件选择： 事件选择要求恰好有两个大半径（AK8）喷注，且满足 $p_T > 450$ GeV 和 $|\eta| < 2.5$。其中一个喷注被指定为希格斯候选者（Jet 1），另一个为矢量玻色子候选者（Jet 2）。
• 喷注子结构与味标定： 分析采用 Soft-drop 算法对喷注进行修剪并计算修剪后的喷注质量（$m_{SD}$）。为了识别被加速的希格斯和矢量玻色子候选者，分析使用了 PARTICLENET-MD 算法，这是一种质量去相关（mass-decorrelated）的图卷积神经网络。该标定器提供了针对 $b$ 夸克、$c$ 夸克、轻夸克以及通用 QCD 喷注起源的判别式。
  • 希格斯候选者的选择基于高 $D(bb \text{ vs. } cc, qq)$ 判别值。
  • 矢量玻色子候选者要求具有低 QCD 误识别概率（$p(QCD)$），并被分为三个质量窗口：40–68 GeV、68–110 GeV（V 的信号区）以及 110–202 GeV。
• 背景估计：
  • QCD 多喷注： 主要背景是通过控制区（CR）直接从数据中估计的，该控制区中事件未通过 $D(bb \text{ vs. } QCD)$ 要求。通过同步拟合推导出的参数化转移因子（transfer factor），将 QCD 的形状和产额外推至信号区（SR）。
  • 共振背景（W/Z+喷注、双玻色子）： 使用模拟进行估计，并通过包含单缪子和一个 $b$ 标记喷注的 W 富集控制区进行校准，以约束喷注质量标度、分辨率和标定效率。
  • 顶夸克背景： 使用模拟进行估计，其归一化通过针对半轻子 $t\bar{t}$ 事件的控制区进行约束。
• 统计分析： 在跨越味判别器通过/失败区域以及三个 V 质量类别的希格斯候选者 $m_{SD}$ 分布上执行分箱最大似然拟合。信号强度（$\mu$）相对于标准模型预期值进行提取。

主要贡献

• 首次 CMS 在哈德洛尼 V 通道的搜索： 本分析展示了 CMS 首次针对与哈德洛尼衰变的 W 或 Z 玻色子关联的被加速 $H \to b\bar{b}$ 的搜索。
• 验证策略： 本分析同时测量了 $V(qq)Z(b\bar{b})$ 过程。由于该过程与信号共享相同的选择标准，但具有已知的标准模型截面，因此它作为分析策略和背景建模的原位（in-situ）验证。
• 先进机器学习： 引入质量去相关的 PARTICLENET-MD 分类器，实现了对被加速喷注的稳健味标定，同时最大限度地减少了对喷注质量的依赖，这对于区分希格斯信号与 QCD 背景至关重要。

结果
观测到的 $V(qq)H(b\bar{b})$ 过程信号强度为：
$$\mu_{VH} = 0.72^{+0.75}_{-0.71}$$
该结果包含了统计和系统不确定度。相对于背景仅假设的观测显著性为 1.00 个标准差（$\sigma$），而预期显著性为 1.64 $\sigma$。

对于验证通道 $V(qq)Z(b\bar{b})$，观测到的信号强度为 $\mu_{VZ} = 0.09^{+0.63}_{-0.63}$，观测显著性为 0.15 $\sigma$（预期为 1.76 $\sigma$）。

结果在不确定度范围内与标准模型预测一致。测量精度主要受限于可用数据集的大小，特别是用于通过转移因子约束 QCD 背景的侧带区域中有限的事件数。

意义
本文声称，该测量将 CMS 高 $p_T$ 希格斯计划扩展到了哈德洛尼矢量玻色子衰变通道，为轻子搜索提供了补充探测手段。尽管目前的测量结果并未显示出相对于标准模型的显著超额，但它为随着 LHC 积累更多数据而进行的未来分析奠定了方法论基础。适度的显著性反映了当前的数据限制而非方法的失效，这一点从使用 $VZ$ 过程进行的成功验证中得到了证实。该分析展示了在具有挑战性的全哈德洛尼末态中重建并识别被加速希格斯和矢量玻色子候选者的能力，为随着 LHC 积累更多数据后的更灵敏搜索铺平了道路。