Search for low-mass vector and scalar resonances decaying into a quark-antiquark pair in proton-proton collisions at $\sqrt{s}$ = 13 TeV

CMS 实验利用 2016 至 2018 年采集的 13 TeV 质子 - 质子对撞数据，在 50 至 300 GeV 质量范围内搜索衰变为夸克对的低质量矢量与标量共振态，未发现显著超出，并设定了该质量区间内迄今最严格的耦合限制。

要点

这篇论文来自欧洲核子研究中心（CERN）的 CMS 实验团队，发表在 2026 年。简单来说，这是一次**“在微观世界里寻找失落的拼图”**的探险报告。

为了让你轻松理解，我们可以把整个实验想象成一场**“超级高速公路上的车祸现场调查”**。

1. 背景：我们在找什么？

• 标准模型（SM）：这是目前物理学家对宇宙基本粒子的“官方地图”。这张地图很完美，但物理学家觉得它可能漏掉了一些东西，比如暗物质或者新的力。
• 新粒子（共振态）：理论物理学家预测，可能存在一些新的、重一点的粒子（就像地图上的“新城市”）。这些粒子非常不稳定，一旦产生，就会瞬间“爆炸”成两个更小的碎片（夸克对）。
• 目标：这次实验就是要在 2016 到 2018 年产生的海量数据中，寻找这些“新城市”的踪迹。他们关注的“新城市”重量在 50 到 300 吉电子伏特（GeV）之间，这相当于几个氢原子那么重，但在微观世界里已经算“大块头”了。

2. 实验过程：如何在噪音中找信号？

想象一下，你在一个超级拥挤的摇滚音乐节（质子 - 质子对撞）上。

• 巨大的噪音（QCD 背景）：现场有几十万人（普通粒子）在乱跑、碰撞，制造了巨大的噪音。绝大多数时候，只是普通的粒子在乱撞，这被称为“量子色动力学（QCD）多喷注事件”。
• 寻找特定的“爆炸”：我们要找的不是普通的碰撞，而是那种特别猛烈、特别快的碰撞。
  • 初态辐射（ISR）：就像两个赛车手在高速公路上对撞前，其中一辆车突然猛打方向盘，甩出一个巨大的碎片（高能辐射）。这个碎片把另一辆车（我们要找的新粒子）撞飞了。
  • 结果：被撞飞的新粒子速度极快，它衰变成的两个碎片（夸克对）因为跑得太快，挤在一起，看起来就像一个巨大的、内部结构复杂的“超级包裹”（大半径喷注）。

3. 侦探工具：PARTICLENET（粒子网）

这是这次实验最厉害的地方。

• 传统方法：以前的侦探（物理学家）靠看“包裹”的形状和能量分布来猜里面是什么。这就像靠听声音猜箱子里装的是猫还是狗，有时候会听错。
• PARTICLENET（AI 侦探）：这次实验用了一个基于人工智能（神经网络）的超级侦探。它就像是一个拥有 X 光眼和超级记忆力的老刑警。
  • 它不看整体，而是看“包裹”里每一个微小碎片的细节（比如它们是怎么运动的，有没有产生次级顶点）。
  • 它能精准地分辨出：这个“包裹”里装的是底夸克（b-quark）（就像装的是金条），还是普通夸克（就像装的是石头）。
  • 作用：它能从成千上万个“石头包裹”（背景噪音）中，把极少数珍贵的“金条包裹”（信号）挑出来。

4. 调查结果：找到了吗？

• 扫描结果：科学家把数据像筛沙子一样，按“包裹”的重量（不变质量）分类，仔细检查每一个重量区间。
• 结论：没有发现新的“金条包裹”。
  • 在 50 到 300 GeV 的范围内，数据曲线非常平滑，完全符合“只有普通石头（标准模型背景）”的预测。
  • 虽然有几个地方稍微有点“鼓包”（统计波动），但就像你在沙滩上捡贝壳，偶尔捡到两个形状奇怪的，并不代表那里有宝藏。经过严格计算，这些鼓包只是巧合，不是新粒子。

5. 意义：虽然没找到，但很有用

既然没找到新粒子，那这篇论文有什么用呢？

• 划定禁区：虽然没有找到“新城市”，但我们现在非常确定：在这个重量范围内，如果存在这种新粒子，它们和我们的相互作用（耦合强度）必须非常非常弱。
• 打破纪录：这次实验设定的限制（Limits）是目前世界上最严格的。
  • 想象一下，以前我们说“新粒子可能藏在 100 米深的井里”，现在通过实验，我们排除了“新粒子藏在 50 米深”的可能性。
  • 这告诉未来的物理学家：如果你要造更大的对撞机，或者设计新的理论，别再在 50-250 GeV 这个重量段，用那么强的力去猜了。

总结

这就好比物理学家拿着最先进的金属探测器（CMS 探测器 + AI 算法），在 138 万亿次（138 fb⁻¹）的“沙堆”里仔细搜寻。

• 结果：没挖到金子（新粒子）。
• 收获：我们非常确定，在这个特定的沙堆区域里，绝对没有金子。这迫使理论物理学家要么去更深的地方（更高能量）找，要么重新思考金子长什么样（修改理论模型）。

这篇论文就是**“排除法”**的胜利，它让科学界离真理又近了一步，哪怕是通过“证明这里没有”的方式。

技术摘要

以下是基于 CMS 合作组论文 CMS-EXO-24-007 (CERN-EP-2025-213) 的详细技术总结，该论文发表于 2026 年 3 月（注：根据文档日期，这是一份未来日期的模拟或预发布文档，内容基于 13 TeV 质子 - 质子碰撞数据）。

1. 研究背景与问题 (Problem)

• 物理动机：寻找超出标准模型（BSM）的新物理共振态是粒子物理的核心任务之一。许多理论模型（如左右对称模型、Randall-Sundrum 额外维模型、暗物质简化模型等）预言了新的矢量玻色子（$W'$, $Z'$）或标量/赝标量玻色子（$\phi$, $A$），它们会衰变为一对夸克（$q\bar{q}$）。
• 挑战：
  • 低质量区域：在 50-300 GeV 的质量范围内，寻找双喷注（dijet）共振态极具挑战性，因为量子色动力学（QCD）多喷注背景极其巨大，且实验触发（Trigger）带宽受限。
  • 背景抑制：传统的基于喷注子结构（如能量关联函数）的方法在低质量区灵敏度有限，难以有效区分信号与 QCD 背景。
• 目标：利用 CMS 实验在 $\sqrt{s}=13$ TeV 下收集的数据，搜索质量在 50-300 GeV 范围内的窄宽度双喷注共振态，特别是针对与硬初态辐射（ISR）关联产生的高横动量（$p_T$）共振态。

2. 方法论 (Methodology)

2.1 数据集

• 数据来源：CMS 实验在 2016-2018 年运行的 LHC 数据。
• 积分亮度：138 fb$^{-1}$。
• 碰撞能量：$\sqrt{s} = 13$ TeV。

2.2 信号模型与场景

研究考虑了两种主要的耦合场景：

1. 自旋-1 矢量玻色子 ($Z'$)：与所有夸克味（flavor）平等耦合，耦合常数为 $g_q$。
2. 自旋-0 玻色子 ($\phi$ 或 $A$)：耦合与标准模型 Yukawa 耦合成正比，并乘以一个普适缩放因子（$g_{q\phi}$ 或 $g_{qA}$）。在此场景下，共振态主要通过胶子融合产生，并主要衰变为底夸克对（$b\bar{b}$）。

2.3 事件选择与重建

• 触发策略：为了克服 QCD 背景率过高的问题，搜索针对伴随硬初态辐射（ISR）产生的共振态。
  • 触发要求：至少一个经过修剪（trimmed）的大半径喷注（AK8），$p_T > 400$ GeV，质量 $> 30$ GeV。
  • 离线选择：$p_T > 500$ GeV，软脱落质量（Soft-Drop Mass, $m_{SD}$）$> 30$ GeV，且 $|\eta| < 2.5$。
• 喷注重建：使用反 $k_T$ 算法（Anti-$k_T$）聚类，距离参数 $R=0.8$ (AK8)。
• 背景抑制：
  • 使用**软脱落（Soft-Drop）**算法计算喷注质量，以消除非微扰效应并提高质量分辨率（约 9-14%）。
  • 应用轻子 veto（电子、μ子、$\tau$ 子）以抑制 $t\bar{t}$ 背景。
  • 应用b 标签 veto（针对 AK4 喷注）以进一步抑制 $t\bar{t}$ 和 $W/Z+b\bar{b}$ 背景。

2.4 核心算法：PARTICLENET (PN)

这是本分析的关键创新点：

• 原理：基于图卷积神经网络（Graph CNN），输入为喷注 constituents（粒子流）和次级顶点信息。
• 功能：
  • 区分双叉（two-pronged）共振态信号与单叉 QCD 背景。
  • 区分喷注的味（flavor）：$b\bar{b}$、$c\bar{c}$ 和轻夸克/胶子（$q\bar{q}$/g）。
• 判别变量：
  • $p_{2\text{-prong}}$：区分任意味的双叉共振态与 QCD 背景。
  • $p_{bb}$：在通过 $p_{2\text{-prong}}$ 的事件中，区分 $b\bar{b}$ 信号与其他夸克对信号。
• 信号区域（SR）划分：
  • 高 $p_{bb}$ SR：针对 $Z' \to b\bar{b}$ 和 $\phi/A \to b\bar{b}$。
  • 低 $p_{bb}$ SR：针对 $Z' \to c\bar{c}$ 和 $Z' \to q\bar{q}$（轻夸克）。
  • 控制区域（CR）：用于估计 QCD 背景（未通过 $p_{2\text{-prong}}$）和 $t\bar{t}$ 背景。

2.5 背景估计

• QCD 多喷注：主要背景。使用数据驱动的控制区域（CR）结合转移函数（Transfer Functions）进行估计，修正 $p_T$ 和 $\rho$（$\rho = 2 \ln(m_{SD}/p_T)$）依赖。
• 其他背景：$W/Z$+jets, $t\bar{t}$, 单顶夸克，双玻色子，希格斯玻色子等，主要基于蒙特卡洛（MC）模拟，并利用数据中的 SM 共振态（如 $W, Z$）进行归一化和效率修正。

2.6 统计方法

• 使用 CMS COMBINE 工具进行分箱最大似然拟合。
• 同时拟合 5 个 $p_T$ 区间、2 个 SR（高/低 $p_{bb}$）以及控制区域，共 72 个 $m_{SD}$ 分布。
• 使用 CLs 方法设定 95% 置信水平（CL）的上限。

3. 关键贡献 (Key Contributions)

1. 算法应用：首次（或在该质量范围内最显著地）在低质量双喷注共振态搜索中大规模应用 PARTICLENET 算法。相比传统的解析变量（如能量关联函数），PN 显著提高了信噪比，特别是在区分 $b\bar{b}$ 信号与轻夸克/胶子背景方面。
2. 低质量区灵敏度提升：通过结合硬 ISR 触发和先进的机器学习分类器，将搜索灵敏度扩展到了 50 GeV 的低质量区域，这是传统双喷注搜索难以触及的。
3. 最严格的限制：在 50-250 GeV 质量范围内，设定了目前世界上最严格的矢量玻色子（$Z'$）和标量/赝标量玻色子（$\phi/A$）与夸克耦合的上限。

4. 研究结果 (Results)

• 观测结果：
  • 在软脱落质量谱（$m_{SD}$）中未观察到显著超出标准模型预期的峰值。
  • 背景模型拟合良好（$p$-value = 0.194）。
  • 观察到的最大局部显著性为：
    • $Z'$ 模型（全味）：在 75 GeV 和 225 GeV 处约为 2.8$\sigma$（全局显著性 1.7$\sigma$ 和 1.6$\sigma$）。
    • 自旋-0 模型（$b\bar{b}$）：在 70 GeV 处约为 2.6$\sigma$（全局显著性 1.4$\sigma$）。
  • 这些涨落均不足以被视为新物理证据。
• 排除上限：
  • 自旋-1 ($Z'$)：耦合常数 $g_q$ 的上限范围为 0.03 到 0.13（取决于质量）。
  • 自旋-0 ($\phi/A$)：耦合参数 $g_{q\phi}$ 范围为 1.5 到 5.8，$g_{qA}$ 范围为 1.0 到 3.8。
  • 对比：这些限制比之前的最佳结果（如 CMS 2019 年的相关搜索）提高了约 2 倍。
• 暗物质解释：在附录中，结果被重新解释为暗物质介子（暗光子 $A'$ 和轴子类粒子 ALP）的排除限，排除了部分满足热 relic 密度要求的参数空间。

5. 意义与影响 (Significance)

• 填补空白：该研究填补了 50-250 GeV 低质量双喷注共振态搜索的空白，特别是针对伴随 ISR 的高 $p_T$ 拓扑结构。
• 技术示范：展示了深度学习算法（PARTICLENET）在处理高背景、低质量共振态搜索中的巨大潜力，为未来的 LHC 数据分析（包括 Run 3 和 HL-LHC）树立了标杆。
• 理论约束：对多种 BSM 理论（如左右对称模型、暗物质简化模型）施加了强有力的约束，排除了部分参数空间，迫使理论模型向更重的质量或更弱的耦合方向调整。
• 方法论进步：通过数据驱动的背景估计和复杂的系统误差处理（如 QCD 形状的不确定性），展示了在高统计量数据下精确测量低质量共振态的成熟技术。

总结：这篇论文代表了 CMS 合作组在低质量新物理搜索领域的最新进展，利用先进的机器学习技术和优化的触发策略，在 138 fb$^{-1}$ 的数据中未发现新共振态，但设定了该质量区间内前所未有的严格耦合上限。