Heavy Neutrinos across the Electroweak-to-Multi-TeV Frontier via Novel ML-Enhanced Probes

技术摘要：通过新型机器学习增强探测手段探索跨越电弱至多 TeV 前沿的重中微子

问题陈述
寻找重中微子仍然是测试跷西机制（seesaw mechanism）并解释中微子质量起源的核心目标。虽然现有的实验约束（来自介子衰变、无中微子双倍贝塔衰变以及对撞机搜索如 LEP、LHC）覆盖了特定的质量范围，但仍存在显著的空白，特别是在重中微子质量 ($m_N$) 跨越电弱标度直至多 TeV 前沿的区域。传统的搜索策略通常依赖于共振 $s$ 道产生，由于相空间限制，这种方式在高质量（$m_N \gtrsim 1$ TeV）时会受到运动学抑制。此外，目前针对第三代轻子（涉及 $\tau$ 轻子）的约束明显弱于第一代和第二代轻子。因此，需要一种统一的策略，能够在保持对宽质量谱（50 GeV 至 10 TeV）敏感性的同时，解决在高亮度环境下区分稀有信号与压倒性标准模型（SM）背景的挑战。

方法论
作者提出了一种针对 $\sqrt{s} = 13.6$ TeV 下质子-质子碰撞的综合分析策略，目标终态为 $\ell\nu jj$（一个带电轻子、缺失横向能量以及两个喷注）。该研究涵盖了两种截然不同的产生机制：

1. $s$ 道产生： 对于 $m_N < 1$ TeV，主要涉及通过 Drell-Yan 和 $W\gamma$ 融合进行的共振产生。
2. 矢量玻色子融合 (VBF)： 对于 $m_N > 1$ TeV，主要涉及通过虚拟重中微子的 $t$ 道交换，该机制随质量增加的截面下降速度较慢。

模拟与事件生成：
信号样本使用包含 HeavyN 模型的 MadGraph5_a_MC@NLO 生成，覆盖了从 50 GeV 到 10 TeV 的 16 个质量点。背景包括主要的 SM 过程，如 $V$+jets、双玻色子以及顶夸克产生，模拟过程为 $pp \to \ell\nu + \ge 2j$。事件通过 Pythia 8 进行部分子淋洗（parton showering）和强子化，并通过使用 CMS 配置的 Delphes 3.4.1 进行探测器仿真，包括真实的堆积（pileup）条件（平均 140 次相互作用）和物体识别效率。

机器学习分析：
为了优化信号与背景的分辨能力，作者使用了基于 XGBoost 和 Scikit-learn 的梯度提升决策树（BDT）。

• 输入特征： 模型在 31 个运动学变量上进行训练，包括横动量 ($p_T$)、伪快度 ($\eta$)、方位角 ($\phi$)、缺失横向能量 ($E_T^{\text{miss}}$)、不变质量 ($M$)、横向质量 ($M_T$) 以及喷注、轻子与缺失能量之间的角距离 ($\Delta R, \Delta \eta, \Delta \phi$)。
• 训练策略： 为每个质量点和不同的轻子味 ($\ell = \mu, \tau$) 分别训练了 BDT 模型。对于 $\tau$ 通道，仅模拟了强子衰变 ($\tau \to \pi\nu$) 以反映重建能力。
• 统计解释： 使用 CMS Combine 工具，采用渐近轮廓似然法，基于对应于 3000 fb$^{-1}$（HL-LHC）集成亮度的 Asimov 数据集导出预期极限。系统不确定性（PDFs、标度变化、亮度、轻子/喷注效率）通过干扰参数（nuisance parameters）纳入考虑。

关键贡献与结果

• 统一的质量覆盖： 研究表明，通过结合 $s$ 道和 VBF 产生机制，可以在整个 50 GeV 至 10 TeV 质量范围内实现连续的搜索策略。截面行为从低质量时的共振主导转向高质量时的 VBF 主导，两者在 $m_N \approx 1$ TeV 附近趋于一致。
• 通过 ML 增强的敏感性： BDT 分析有效地捕捉了复杂的运动学相关性。特征重要性分析显示，涉及带电轻子和缺失能量的横向质量变量 ($M_T(\ell E_T^{\text{miss}})$) 以及双喷注不变质量 ($M(j_1 j_2)$) 是最具判别力的特征。$M(j_1 j_2)$ 分布特别能够区分共振峰（低质量）与宽广的 VBF 能谱（高质量）。
• 投影极限： 在假设 3000 fb$^{-1}$ 的情况下，研究投影了混合参数 $|V_{\ell N}|^2$ 的 95% 置信水平上限：
  • 对于 $m_N = 50$ GeV，敏感度达到 $O(10^{-5})$。
  • 对于接近 10 TeV 的质量，敏感度可延伸至 $|V_{\ell N}|^2 \sim 1$（受幺正性约束）。
  • 该策略相比现有的 DELPHI 和瞬发三轻子搜索极限提供了显著改进，特别是在 VBF 占据主导地位的多 TeV 区域。
• 第三代触达： 分析专门针对 $\tau$ 通道，证明尽管存在强子 $\tau$ 重建和终态中额外中微子的挑战，所提出的 VBF 增强型 ML 策略仍为探测 $|V_{\tau N}|^2$ 提供了一条可行路径，而目前的约束在该领域较为薄弱。
• 轻子普适性： 该框架允许结合电子、缪子和 $\tau$ 通道来测试轻子普适性破缺。

意义
论文声称，这种方法为现有的搜索策略提供了一条“极具前景且互补的路径”。通过将一种新型产生机制（高质量下的 VBF）与先进的机器学习分类相结合，本研究显著扩展了强子对撞机对重中微子的发现范围。它特别强调了探测第三代重中微子以及探索多 TeV 前沿的潜力，而在这些领域，传统的基于切割（cut-based）的分析或仅基于 $s$ 道的搜索面临着敏感度下降的问题。这项工作强调了利用包容性模拟和机器学习技术来最大化高亮度 LHC 物理潜力的重要性。