Search for the radiative decay $D^+_s \to γK^*(892)^+$

利用 BESIII 探测器收集的 7.33 fb$^{-1}$ $e^+e^-$ 对撞数据，本研究首次对辐射衰变 $D_s^+\to\gamma K^*(892)^+$ 进行了搜索，未发现显著信号，并在 90% 置信度下将其分支比的上界设定为 $2.3\times10^{-4}$。

要点

想象一下，宇宙是一个巨大的、高速运转的赛车场，微小的粒子——被称为“粲介子”（具体指 $D_s^+$）——正以接近光速的速度在其中穿梭。位于中国的 BESIII 探测器中的物理学家们扮演着超高速摄影师的角色，试图捕捉这些粒子正在进行的一项非常特定且罕见的动作：在转变为另一种粒子的同时，喷射出一道闪光的电光（光子）。

以下是利用日常类比对该论文内容的拆解：

大局观：“幽灵般”的转化

科学家们正在寻找一个特定的事件：$D_s^+$ 介子转变为 $K^*$ 介子（另一种类型的粒子）和一个光子 ($\gamma$)。

• 类比： 想象一位魔术师（$D_s^+$）突然变成了一只兔子（$K^*$）和一道闪光。
• 为什么很难： 在粒子物理世界中，这种类型的转化理应是非常罕见的。这就像是在试图于一堆由数以亿计的粒子碰撞产生的“干草堆”中寻找一根特定的针，而这根针竟然是由光组成的。

实验设置：“双标签”策略

为了找到这种罕见事件，团队使用了一种被称为**“双标签”（Double-Tag）方法**的聪明技巧。

• 类比： 想象你正在一个拥挤的派对上，看到许多对舞伴在跳舞。你想寻找一对特殊的舞伴，其中男人突然消失了，留下了一个发光的气球。
  1. 单标签（女士）： 首先，你发现了那位女士（她的搭档 $D_s^-$），并通过观察她手里拿着的东西来确认她的身份。一旦你识别出了她，你就知道她的搭档一定是你要找的那个人，因为他们是同时被创造出来的。
  2. 双标签（男士）： 现在，你观察那个男人“应该”出现的位置。你检查他是否真的变成了你所期待的那只兔子和那个发光的气球。
• 优势： 通过先确认搭档的身份，你排除了人群中大量的“噪音”。你清楚地知道缺失的那一部分“应该”是什么样子，这使得观察它是否真的发生了变得容易得多。

搜寻过程：从噪音中筛选

团队分析了 7.33 fb⁻¹ 的数据。

• 类比： 这相当于在观看 7.33 百万小时 的粒子对撞机高清监控录像。
• 过程： 他们使用强大的计算机来过滤掉数十亿次“无聊”的碰撞，将注意力集中在那些成功识别出“女士”（被标记的粒子）的事件上。然后，他们观察“男士”那一侧，看看是否出现了“兔子和气球”（$K^*$ 和光子）。

结果：一个“寂静”的房间

经过所有的搜寻，结果是安静的。

• 发现： 他们没有发现正在寻找的那种特定转化。那个“兔子和气球”并没有按照预测的方式出现。
• 结论： 这并不意味着这种事件是不可能的；它仅仅意味着这种事件发生的频率比最乐观的理论预期的要低。
• 极限值： 因为他们没有观测到该事件，所以他们设定了一个关于该事件发生频率的“速度限制”。他们计算出，如果这种事件确实存在，那么每 10,000 次尝试中，它发生的次数少于 2.3 次。（用科学术语来说，“分支比”小于 $2.3 \times 10^{-4}$）。

为什么这很重要

论文将他们的“速度限制”与不同的数学模型（理论）进行了对比。

• 对比： 有些理论说：“每 10,000 次中会发生 1 到 10 次。”另一些则说：“发生 0.1 到 0.5 次。”
• 判决： 这个新的极限（小于 2.3）高于最乐观的预测，但低于最悲观的预测。这就像是在说：“我们寻找了独角兽，没找到，但我们确定如果独角兽存在，它们比我们想象的要稀有。”
• 结果： 目前还没有任何现有的理论被证明是错误的，但科学家们已经缩小了搜索范围。这是一个“零结果”，它有助于完善描述宇宙运作方式的地图。

总结

BESIII 团队拍摄了一张大规模的粒子碰撞快照，利用一种聪明的“搭档检查”技术来隔离特定事件，并寻找一种罕见的发光转化。他们没有发现它，但他们成功地证明了，如果这种转化确实发生，那也是极其罕见的——这有助于排除一些关于这些粒子行为的过于乐观的猜想。

技术摘要

技术摘要：寻找辐射衰变 $D_s^+ \to \gamma K^*(892)^+$

问题与动机
本工作旨在解决辐射衰变 $D_s^+ \to \gamma K^*(892)^+$ 的实验测量问题。在研究带电魅粲介子的弱辐射衰变时，由于 GIM 机制，短程相互作用受到抑制，由微扰图产生的包括性分支比（BFs）数量级约为 $10^{-8}$。因此，长程非微扰过程（如末态相互作用 FSI 和矢量介子主导模型 VMD）预计将占据主导地位，可能将分支比增强至 $10^{-4}$ 量级。虽然各种理论模型（包括硬谱观者相互作用、弱湮灭、轻锥求和规则以及 VMD）预测该 Cabibbo 抑制过程的分支比在 $O(10^{-5})$ 至 $O(10^{-4})$ 之间，但在本研究之前，该 $D_s^+ \to \gamma K^*(892)^+$ 衰变通道尚未被实验观测到。先前的实验已经测量了其他辐射魅粲衰变（例如 $D_s^+ \to \gamma \rho(770)^+$ 和 $D^0 \to \gamma \bar{K}^*(892)^0$），但特定的 $D_s^+ \to \gamma K^*(892)^+$ 通道仍未被观测。

方法论
本分析利用了 BESIII 探测器在质心能量（$E_{cm}$）介于 4.128 和 4.226 GeV 之间收集的 $7.33 \text{ fb}^{-1}$ $e^+e^-$ 碰撞数据。在此能量区域，$D_s^\pm$ 介子主要通过过程 $e^+e^- \to D_s^{*\pm} D_s^{\mp}$ 产生。

分析采用了**双标签（DT）**方法：

1. 单标签（ST）： 通过三种强子衰变模式重建完整的 $D_s^-$ 介子：$D_s^- \to K_S^0 K^-$、$D_s^- \to K^+ K^- \pi^-$ 或 $D_s^- \to K_S^0 K^+ \pi^- \pi^-$。要求相对于 ST 候选者的反冲质量（$M_{rec}$）与 $D_s^+$ 质量一致。
2. 信号搜索： 在相对于被标记的 $D_s^-$ 的反冲系统中，通过 $K^*(892)^+$ 的两条衰变链搜索信号衰变 $D_s^+ \to \gamma K^*(892)^+$：
   • $K^*(892)^+ \to K^+ \pi^0$（其中 $\pi^0 \to \gamma\gamma$）
   • $K^*(892)^+ \to K_S^0 \pi^+$（其中 $K_S^0 \to \pi^+ \pi^-$）

选择标准包括严格的粒子识别（PID）、$\pi^0$ 和 $K_S^0$ 的运动学拟合，以及针对 $K^*(892)^+$ 候选者的特定质量窗口（$0.83 < M < 0.94 \text{ GeV}/c^2$）。为了抑制涉及 $\pi^0$ 和 $\eta$ 介子的本底，对辐射光子的能量（$E_\gamma > 0.55 \text{ GeV}$）以及额外光子对的不变质量（$M_{\gamma\gamma}$）进行了截断。

分支比计算公式为：
$$\mathcal{B}(D_s^+ \to \gamma K^*(892)^+) = \frac{N_{DT}^{total}}{\sum_{\alpha, i} N_{ST}^{\alpha, i} \cdot (\epsilon_{DT}^{\alpha, i} / \epsilon_{ST}^{\alpha, i}) \cdot \mathcal{B}_{sub}}$$
其中 $N_{DT}$ 是信号产额，$N_{ST}$ 是单标签产额，$\epsilon$ 代表效率，$\mathcal{B}_{sub}$ 考虑了子衰变的分支比。对两个衰变通道的信号不变质量（$M_{sig}$）与螺旋角（$\cos \theta_H$）的二维分布进行同时拟合。信号形状使用与高斯函数卷积的蒙特卡洛（MC）模拟进行建模，而本底则使用基于 MC 导出的形状和切比雪夫多项式进行建模。

主要贡献与结果

• 首次搜索： 本文报告了对辐射衰变 $D_s^+ \to \gamma K^*(892)^+$ 的首次实验搜索。
• 信号观测： 在数据中未观察到显著信号。拟合得到的信号产额对于 $K^+ \pi^0$ 通道为 $0.2^{+2.0}_{-1.5}$，对于 $K_S^0 \pi^+$ 通道为 $0.1^{+1.2}_{-1.0}$。
• 上界： 基于未发现信号的结果，在 90% 置信水平（CL）下设定了分支比的上界。结果为：
  $$\mathcal{B}(D_s^+ \to \gamma K^*(892)^+) < 2.3 \times 10^{-4}$$
• 系统不确定度： 分析包含了对系统不确定度的全面评估，分为加性不确定度（信号形状建模、本底产额）和乘性不确定度（径迹重建、PID、重建效率、MC 统计）。总乘性系统不确定度对于 $K^+ \pi^0$ 通道为 4.0%，对于 $K_S^0 \pi^+$ 通道为 2.4%。

意义
论文声称，虽然所得出的上界（$2.3 \times 10^{-4}$）高于大多数理论模型的预测范围（这些模型通常预测值为 $0.1 \times 10^{-4}$ 至 $1.4 \times 10^{-4}$ 之间），但它已接近这些预期的上限。因此，该结果并未排除任何现有的理论模型（HSI+WA, LCSR, Hybrid, VMD）。作者指出，Belle 合作组收集的数据可能足以进行类似的搜索，并建议未来具有更大数据样本的设施（如超级 tau-粲工厂和 Belle II）将需要进行更严格的理论预测检验。