Search for displaced decays of long-lived particles in events with missing transverse momentum in $\sqrt{s} = 13$ TeV $pp$ collisions with the ATLAS detector

ATLAS 实验利用 137 fb⁻¹的 13 TeV 质子 - 质子对撞数据，通过两种次级顶点重建算法（包括一种新型“模糊”顶点算法）搜索具有显著丢失横动量和至少一个位移顶点的长寿命粒子，未发现超出标准模型背景的显著信号，并据此在四种新物理模型下设定了 95% 置信度限制。

要点

这是一篇来自欧洲核子研究中心（CERN）ATLAS 实验团队的科学报告。为了让你轻松理解，我们可以把这篇论文想象成**“在繁忙的火车站寻找‘幽灵’乘客”**的故事。

🕵️‍♂️ 故事背景：寻找“隐形”的幽灵

想象一下，ATLAS 探测器是一个巨大的、极其精密的火车站（位于瑞士的地下）。在这个车站里，两列高速列车（质子束）以接近光速的速度对撞，产生成千上万的“乘客”（基本粒子）。

大多数乘客（比如电子、夸克）都很正常，它们会立刻在车站的检票口（探测器）留下痕迹，然后迅速离开。

但是，物理学家们怀疑，可能存在一些**“幽灵乘客”**（长寿命粒子，LLPs）。这些幽灵有两个特点：

1. 它们很“慢”：不像普通乘客那样瞬间消失，它们会在车站里走一段路，甚至走到站台深处才“显形”（衰变）。
2. 它们很“隐形”：有些幽灵最终会彻底消失，带走一部分能量，导致车站的账本对不上（这就是**“缺失横向动量”**，$E_{T}^{miss}$，意味着有东西带着能量溜走了）。

这篇论文的任务就是：在 2016 到 2018 年积累的 137 万 TB 的监控录像（数据）中，寻找那些在站台深处突然“显形”的幽灵，并且确认它们带走了一些能量。

---

🔍 侦探的两大法宝：两种“找鬼”方法

为了找到这些幽灵，ATLAS 团队开发了两套不同的“搜捕算法”（就像两种不同的搜身技巧）：

1. 标准搜捕法（SDV）：像“抓现行”

   • 适用对象：那些在车站大厅里突然现身，并且一下子变出好几个“小跟班”（带电粒子）的幽灵。
   • 特点：这种方法很严格，要求幽灵必须在特定的区域出现，并且跟班们必须整齐划一。这主要用来抓那些像**“胶子 R-强子”**（一种假设的超重粒子）这样的幽灵。

2. “模糊”搜捕法（FDV）：像“抓散兵游勇”

   • 适用对象：那些比较狡猾的幽灵，它们现身时，跟班们（比如底夸克）可能已经跑散了，或者在很远的地方才聚拢。
   • 特点：这是一种**“模糊顶点”算法。它不要求跟班们必须紧紧抱在一起，只要它们看起来像是从同一个“鬼影”里出来的，哪怕散得有点开，也能被抓住。这专门用来抓那些会衰变成底夸克**的幽灵（比如“Bino-Wino 共湮灭”模型中的粒子）。

比喻：

• 标准法就像警察在机场安检口抓那些背着大包、行踪可疑的人。
• 模糊法就像警察在商场里抓那些虽然没背大包，但几个人鬼鬼祟祟、分散在角落窃窃私语的人。

---

🎭 他们到底在找什么？（四个嫌疑犯模型）

团队根据理论物理的预测，列出了四个主要的“嫌疑犯”名单：

1. 分裂的胶子（Gluino R-hadron）：
   • 想象一个巨大的、沉重的“胶子球”，它在车站里滚了很久，最后突然炸开，变成两个普通粒子和一个看不见的幽灵。
2. Bino-Wino 共湮灭：
   • 这是超对称理论中的一种情况。两个轻飘飘的“中性子”在车站里相遇，其中一个变成了幽灵溜走，另一个则慢慢走远，最后变成底夸克对（像两个分开的双胞胎）。
3. DFSZ 轴子（Axino）：
   • 这是一种与“轴子”（解决宇宙谜题的粒子）相关的超对称粒子。它们非常轻，寿命很长，最后会衰变成希格斯玻色子或 Z 玻色子，再变成底夸克或轻夸克。
4. 希格斯门户（Higgs Portal）：
   • 想象著名的“希格斯玻色子”（上帝粒子）是一个伪装者。它偶尔会“变身”，分裂成两个轻飘飘的“伪标量粒子”，这两个粒子在车站深处走一段路后，再变成底夸克对。

---

📉 调查结果：没抓到，但排除了很多可能

经过对 137 fb⁻¹（这是一个天文数字的数据量）的仔细审查，侦探们发现：

• 结果：在所有的监控录像中，没有发现任何确凿的“幽灵”证据。
• 现状：观察到的事件数量（比如 1 个或 5 个）与背景噪音（标准模型预测的正常干扰）完全吻合。就像你在火车站看到几个人在角落说话，最后发现他们只是在聊天气，并没有在策划犯罪。

虽然没有抓到幽灵，但这并不是失败，而是巨大的成功！

为什么？因为通过“没抓到”，他们画出了一张**“禁区地图”**：

• 如果幽灵存在，它们必须比某些重量更重，或者寿命更长/更短。
• 例如，对于“胶子 R-强子”，他们排除了质量在 1.8 到 2.5 万亿电子伏特（TeV） 以下的所有可能性。这意味着，如果这种幽灵存在，它一定比之前认为的还要重得多，或者藏得更深。

---

💡 总结：为什么这很重要？

这篇论文就像是在说：

“我们在巨大的火车站里，用两种最先进的方法，盯着 137 万 TB 的监控录像，找了很久。虽然没抓到任何‘幽灵乘客’，但这告诉我们：那些‘幽灵’如果存在，它们一定非常重、非常稀有，或者非常狡猾。"

这迫使物理学家们必须重新思考他们的理论：

• 要么这些幽灵根本不存在。
• 要么它们比我们想象的更难以捉摸，需要更强大的“探测器”（未来的升级设备）或更聪明的“搜捕策略”才能发现。

一句话总结：ATLAS 团队用最新的数据和更聪明的算法，在寻找新物理的道路上又迈出了一大步，虽然这次没抓到“鬼”，但他们把“鬼”可能藏身的地方都画上了红叉，让未来的搜索更加精准。

技术摘要

这是一份关于 ATLAS 合作组在 CERN 大型强子对撞机（LHC）上进行的长寿命粒子（LLP）搜索的论文技术总结。该论文发表于 2026 年 3 月（基于提供的文本），标题为《在 $\sqrt{s}=13$ TeV $pp$ 碰撞中寻找具有丢失横向动量的长寿命粒子位移衰变》。

1. 研究背景与问题 (Problem)

• 物理动机：标准模型（SM）无法解释暗物质、中微子质量及等级问题等。许多超出标准模型（BSM）的理论（如超对称 SUSY、轴子模型等）预测存在长寿命粒子（LLPs）。这些粒子可能在探测器内部飞行一段显著距离后衰变，产生独特的“位移顶点”（Displaced Vertex, DV）信号。
• 挑战：传统的触发和重建算法主要针对来自对撞点（IP）的瞬时衰变粒子。LLP 衰变产生的径迹具有较大的横向和纵向撞击参数（Impact Parameters），容易被标准算法丢弃。此外，探测器材料相互作用产生的假顶点是主要背景来源。
• 目标：利用 ATLAS 探测器在 Run 2（2016-2018 年）收集的 137 fb$^{-1}$ 数据，搜索具有显著丢失横向动量（$E_T^{miss}$）和至少一个位移顶点的 BSM 信号。

2. 方法论 (Methodology)

2.1 数据分析与触发

• 数据集：$\sqrt{s}=13$ TeV 的质子 - 质子碰撞数据，积分亮度 137 fb$^{-1}$。
• 触发策略：主要依赖高 $E_T^{miss}$ 触发器（阈值 50-70 GeV），并在离线分析中要求 $E_T^{miss} > 150$ GeV 和强子 $E_T^{miss} > 180$ GeV。
• 控制区（CR）：使用单光子触发（$p_T > 140$ GeV）的 $\gamma$+jets 事件来构建数据驱动的背景估计，因为光子触发与 $E_T^{miss}$ 触发在事件拓扑上相似（除了触发对象不同），且信号污染可忽略。

2.2 重建算法创新

为了最大化对不同 LLP 衰变模式的灵敏度，分析采用了两种独立的位移顶点重建算法：

1. 标准次级顶点（SDV）：
   • 针对一般场景（如胶子 R-强子模型）。
   • 使用标准径迹和“大半径径迹”（LRT, Large Radius Tracking）算法。
   • 基于 $\chi^2$ 拟合，要求顶点由至少 2 条径迹种子形成，并迭代合并。
   • 优化用于重建轻夸克衰变产生的顶点。
2. 模糊次级顶点（FDV, "Fuzzy" Vertexing）：
   • 核心创新：专门针对涉及 $b$-强子衰变的 LLP 模型（如 Bino-Wino 共湮灭、希格斯门户模型）。由于 $b$-强子本身具有衰变长度，其衰变产物往往无法被拟合为单一几何点。
   • 算法流程：
     • 利用多变量分析（BDT）筛选可能来自 LLP 的径迹对。
     • 形成种子顶点，不强制所有径迹来自同一点。
     • 通过基于动量和空间距离的“种子合并”程序，将空间上接近但分离的种子顶点合并为一个“模糊”顶点。
   • 优势：相比 SDV，FDV 在 $b$-强子衰变场景下的重建效率显著提高（在 $L_{xy}=100$ mm 处效率提升约 3.2 倍）。

2.3 背景估计与验证

• 主要背景：$Z(\to \nu\bar{\nu})$+jets 过程，其中 $E_T^{miss}$ 来自中微子，而位移顶点来自强子与探测器材料的相互作用。
• 数据驱动方法：
  • 利用光子触发的 CR 计算“事件 - 顶点概率”（EDP）或“喷注 - 顶点概率”（JFP）。
  • 通过验证区（VR）验证背景估计的可靠性。VR 通过放宽顶点质量、径迹数或反转材料图否决（Material Map Veto）来定义。
  • 引入“非闭合”（non-closure）系统误差（1FDV 为 22%，2FDV 为 20%）以覆盖验证区中观测值与预测值的差异。
• 材料图否决：利用探测器材料分布图，排除位于探测器材料内部的顶点，以抑制由材料相互作用产生的背景。

2.4 信号模型

分析针对四种具体的 BSM 模型进行解释：

1. 胶子 R-强子（Gluino R-hadron）：分裂超对称模型，胶子形成 R-强子后衰变为夸克和中性微子。
2. Bino-Wino 共湮灭（Bino-Wino coannihilation）：长寿命的 $\tilde{\chi}^0_2$ 通过离壳希格斯玻色子衰变为 $b\bar{b}$ 和 LSP。
3. DFSZ 轴微子（DFSZ axino）：超对称轴子模型，Higgsino 衰变为轴微子和希格斯/Z 玻色子。
4. 希格斯门户（Higgs portal）：希格斯玻色子衰变为一对赝标量 LLP（$S$），随后 $S \to b\bar{b}$。

3. 关键贡献 (Key Contributions)

1. 引入“模糊”顶点算法（FDV）：这是 ATLAS 分析中的重大技术突破，专门解决了涉及 $b$-强子级联衰变的 LLP 顶点重建效率低的问题，显著扩展了对特定 BSM 模型的灵敏度。
2. 数据集规模扩大：相比之前的 ATLAS 类似搜索，数据集扩大了四倍（137 fb$^{-1}$），显著提高了统计灵敏度。
3. 多模型覆盖：首次将完整的超对称轴子/轴微子模型（DFSZ axino）纳入 LLP 搜索框架，并针对希格斯门户模型进行了详细限制。
4. 数据驱动背景估计的精细化：针对 DV+$E_T^{miss}$ 这一稀有信号，开发了基于光子触发的独立背景估计方法，并严格验证了其在不同运动学区域的可靠性。

4. 结果 (Results)

• 观测数据：
  • SDV 区域：观测到 1 个事件（预期背景 $0.6 \pm 0.4$）。
  • FDV 区域：观测到 5 个事件。其中 3 个符合 1FDV 子区域（预期 $0.8 \pm 0.5$），2 个符合 2FDV 子区域（预期$1.3 \pm 0.6$）。
  • 统计显著性：在 1FDV 区域观察到微小的局部超出，但整体未发现具有统计显著性的超出（$p$-值均大于 0.05）。
• 排除限（95% 置信度）：
  • 胶子 R-强子：在宽范围的寿命（0.01-0.1 ns）下，排除了胶子质量高达 1.8 - 2.5 TeV 的参数空间，比之前的 ATLAS 结果提高了 200 GeV 以上。
  • Bino-Wino 共湮灭：排除了最轻中性微子（$\tilde{\chi}^0_1$）质量在 350 - 650 GeV 以上的区域。
  • DFSZ 轴微子：首次对该模型设定了明确限制。当 $\tilde{\chi}^0_1$ 质量为 800 GeV 时，排除了轴子质量 $m_a$ 在 100 - 2500 $\mu$eV 之间的区域；当轴子质量参数固定时，排除了 $\tilde{\chi}^0_1$ 质量低于 400 GeV 的区域。
  • 希格斯门户：对于质量为 55 GeV、寿命为 0.03 ns 的赝标量粒子，排除了希格斯玻色子衰变分支比低至 2.6% 的区域（此前未探测到的区域）。

5. 意义与结论 (Significance)

• 物理意义：该研究极大地扩展了对长寿命粒子搜索的参数空间，特别是针对涉及 $b$-夸克衰变和轴子物理的模型。虽然未发现新物理信号，但设定的严格限制排除了大量理论模型参数空间，为未来的理论构建提供了重要约束。
• 技术意义：FDV 算法的成功应用证明了针对复杂衰变拓扑（如 $b$-强子级联）开发专用重建算法的必要性，这为未来 LHC 高亮度运行（HL-LHC）中的 LLP 搜索奠定了技术基础。
• 未来展望：随着 HL-LHC 数据的积累，结合更先进的机器学习和重建技术，对长寿命粒子的探测灵敏度将进一步提升，有望在更广泛的 BSM 模型中揭示新物理。

总结：这篇论文代表了 ATLAS 合作组在长寿命粒子搜索领域的最新进展，通过创新的“模糊”顶点算法和大规模数据分析，对多种 BSM 模型进行了迄今为止最严格的检验，尽管未发现新物理，但显著推进了对该领域参数空间的认知边界。