Search for Higgs boson pair production in the $\mathrm{b\bar{b}WW}$ decay channel with two leptons in the final state using proton-proton collision data at $\sqrt{s}$ = 13.6 TeV

该论文利用 CMS 探测器在 13.6 TeV 质子 - 质子对撞中收集的 62 fb$^{-1}$数据，首次针对双希格斯玻色子产生并衰变为$\mathrm{b\bar{b}WW}$（其中 W 玻色子均发生轻子衰变）的末态进行了搜索，结果显示与标准模型预测一致，并将双希格斯玻色子产生截面的上限设定为标准模型预测值的 12.0 倍，同时约束了希格斯玻色子的三线性自耦合及与两个矢量玻色子的四线性耦合强度。

要点

这篇论文就像是一份来自粒子物理世界“侦探社”的最新结案报告。让我们用通俗易懂的语言和生活中的比喻，来拆解一下 CMS 合作组（CERN 的大型强子对撞机实验团队）到底做了什么，以及他们发现了什么。

1. 任务背景：寻找“幽灵双胞胎”

想象一下，希格斯玻色子（Higgs boson）是宇宙中赋予其他粒子质量的“神秘大师”。以前，我们只能抓到它“单独行动”的踪迹。但物理学家们怀疑，这个大师有时候会“成双成对”地出现（即希格斯玻色子对，HH）。

如果希格斯玻色子真的能成对出现，就能帮我们解开宇宙中最深层的谜题之一：希格斯场的能量形状（就像是一个看不见的能量山谷）。这个形状决定了宇宙是否稳定，以及为什么粒子有质量。

这次的任务：
CMS 团队在 2022 和 2023 年，利用欧洲核子研究中心（CERN）的强子对撞机，让质子以极高的能量（13.6 TeV，相当于两辆高速列车迎头相撞）对撞。他们的目标是寻找一种极其罕见的“双胞胎”组合：

• 一个希格斯玻色子变成了两个底夸克（bb，就像两个沉重的“砖块”）。
• 另一个希格斯玻色子变成了两个W 玻色子，这两个 W 玻色子又进一步变成了两个带电轻子（电子或μ子，就像两个带电的“信使”）和两个中微子（看不见的“幽灵”）。

2. 侦查手段：在“垃圾堆”里找金矿

难点：
质子对撞就像把两辆装满杂物的卡车高速撞在一起。产生的碎片（背景噪音）成千上万，而我们要找的“希格斯双胞胎”就像在漫天飞舞的纸屑中找两片特定的、形状特殊的金叶子。而且，这种事件发生的概率极低（就像在几亿次碰撞中才出现一次）。

CMS 的“超级侦探”策略：
为了从海量数据中捞出目标，他们用了三招：

1. 筛选“嫌疑人”：
   他们只保留那些正好有两个相反电荷的轻子（电子或μ子）的事件。这就像警察只去查那些现场留下了两个特定脚印的案子。

2. AI 大脑（神经网络）：
   这是这次升级的关键。以前的分析像是一个老侦探凭经验看，而这次他们训练了人工神经网络（AI）。

   • 分类器（多分类 NN）：像一个经验丰富的警长，先把事件分成几类：是“希格斯双胞胎”？是“顶夸克捣乱”？还是“普通背景噪音”？
   • 二分类器（Binary NN）：在初步筛选出的可疑区域，再派两个专门的“侧写师”（一个针对胶子融合产生的，一个针对矢量玻色子融合产生的），仔细分辨哪些是真正的“双胞胎”，哪些是伪装者。
   • 比喻：这就像在机场安检，先用机器扫描（分类器）把可疑行李挑出来，再让专门的安检员（二分类器）拿着放大镜仔细检查，看看到底是炸弹还是只是玩具。

3. 升级装备：

   • 触发器升级：以前有些高能量的电子信号会被漏掉，现在升级了“安检门”，能捕捉到更多高能量的信号。
   • 更精准的“底夸克探测器”：他们改进了识别底夸克（b-jet）的算法，就像给侦探配了更高级的指纹识别仪，能更准地认出那些“砖块”。

3. 调查结果：没抓到，但排除了很多可能性

结果：
经过对 62 fb⁻¹（这是一个巨大的数据量，相当于 6200 万亿次对撞）数据的分析，他们没有发现明显的“希格斯双胞胎”信号。数据与标准模型（Standard Model）的预测完全一致。

这意味着：

• 没有新发现：目前为止，希格斯玻色子还是像标准模型预测的那样，偶尔成对出现，但频率很低。
• 设定了上限：虽然没有抓到，但他们告诉世界：“希格斯双胞胎出现的频率，绝对不会超过标准模型预测值的 12 倍。”（以前这个上限是 14 倍，现在更严格了）。
• 预期 vs 现实：他们原本预期上限能降到 18.5 倍，但实际数据比预期稍微“干净”了一点（背景噪音比预想的少），所以限制得更紧了。

4. 深层意义：给宇宙“画地图”

虽然没抓到“双胞胎”，但这次搜索非常有价值，因为它给物理学家画出了一张更精确的“禁区地图”：

• 三线性耦合（κλ）：这描述了希格斯玻色子“自己和自己”互动的强度。以前我们不知道这个值是多少，现在我们知道它大概率在 -9.1 到 15.7 之间（标准模型预测是 1）。
• 四线性耦合（κ2V）：这描述了希格斯玻色子和两个矢量玻色子互动的强度。现在被限制在 -0.20 到 2.25 之间。

比喻：
想象希格斯场是一个巨大的蹦床。以前我们不知道蹦床的弹性（耦合强度）具体是多少。现在虽然没看到有人跳上去（没发现新粒子），但我们通过测量蹦床的微小震动，知道了它的弹性范围不可能太软或太硬。这排除了很多理论上可能存在的“奇怪蹦床”模型。

5. 总结

这篇论文是 CMS 团队在 13.6 TeV 能量下（这是新的能量记录）的首次尝试。虽然还没找到“希格斯双胞胎”的确凿证据，但他们：

1. 升级了侦探工具（AI 和算法），让搜索灵敏度提高了约 50%。
2. 缩小了搜索范围，排除了很多物理学家猜测的“奇怪”参数空间。
3. 为未来铺路：随着 LHC 继续运行，数据量会更大，AI 会更聪明，也许下一次，我们就能在那些“金叶子”中真正抓到那个神秘的“双胞胎”了。

简单来说：这次没抓到“大鱼”，但把渔网织得更密了，把“大鱼”可能藏身的区域圈得更小了，离真相又近了一步。

技术摘要

这是一份关于 CMS 合作组利用 LHC Run 3 数据寻找希格斯玻色子对（HH）产生过程的详细技术总结。该论文基于 2022 年和 2023 年采集的质子 - 质子对撞数据，质心能量为 $\sqrt{s} = 13.6$ TeV。

1. 研究背景与问题 (Problem)

• 核心科学目标：验证标准模型（SM）中希格斯机制的势能形状。希格斯玻色子的三线性自耦合（trilinear self-coupling, $\kappa_\lambda$）决定了希格斯势能的形状，而四线性耦合（quartic coupling, $\kappa_{2V}$）则涉及两个希格斯玻色子与两个矢量玻色子的相互作用。这些参数目前尚未被精确测量。
• 物理过程：研究关注非共振的希格斯玻色子对（HH）产生过程。主要产生机制包括胶子融合（ggF）和矢量玻色子融合（VBF）。
• 衰变道选择：论文聚焦于 $HH \to b\bar{b}WW$ 衰变道，其中：
  • 一个希格斯玻色子衰变为一对底夸克（$b\bar{b}$）。
  • 另一个希格斯玻色子衰变为两个 W 玻色子（$WW$），且这两个 W 玻色子均发生轻子衰变（$W \to \ell\nu$，$\ell$ 为电子或缪子）。
• 挑战：该过程截面极小，且背景（主要是 $t\bar{t}$ 和 Drell-Yan 过程）极其巨大，信噪比极低。这是 CMS 首次利用 13.6 TeV 数据在该衰变道进行搜索。

2. 方法论 (Methodology)

2.1 数据分析与样本

• 数据样本：使用了 CMS 探测器在 2022 年和 2023 年采集的数据，对应积分亮度为 62 fb$^{-1}$。
• 触发策略：针对双轻子（$\mu^+\mu^-$, $e^+e^-$, $e^\pm\mu^\mp$）事件，采用了优化的触发策略。特别是针对 $e^+e^-$ 和 $e^\pm\mu^\mp$ 通道，引入了更宽松的轻子隔离条件或结合喷注的触发路径，显著提高了高横动量区域的信号效率（最高提升 17%）。
• 对象重建：
  • 使用粒子流（Particle-Flow）算法重建粒子。
  • 轻子（电子/缪子）：要求 $p_T > 25$ GeV (领头) 和 $15$ GeV (次领头)，且 $|\eta| < 2.4$。
  • 喷注：使用 $k_T$ 算法聚类，应用 PUPPI 算法去除堆积（pileup）影响。
  • b 标记：使用 PARTICLENET 算法进行 b 喷注标记（效率约 80%）以及高动量 $H \to b\bar{b}$ 候选者的标记（Boosted 拓扑）。

2.2 事件选择与分类策略

• 基本选择：要求恰好两个相反电荷的轻子，至少一个 b 标记喷注，且 $m_{\ell\ell} > 20$ GeV。
• 区域划分：
  • 分析区域 (Analysis Region, AR)：$20 < m_{\ell\ell} < 70$ GeV 且 $p_T^{miss} > 40$ GeV。
  • 验证区域 (Validation Regions, VR)：用于约束背景模型（$t\bar{t}$ 和 Drell-Yan）。
• 多级分类策略（核心创新）：
  1. 多分类神经网络 (Multiclassification NN, $NN_{cat}$)：首先将事件分为不同的信号区（SR）和控制区（CR）。
     • 信号区：分为针对 ggF 产生的 $SR_{ggF}$ 和针对 VBF 产生的 $SR_{VBF}$。
     • 控制区：针对主要背景（$t\bar{t}$, 单顶夸克, Drell-Yan, 单希格斯）。
  2. 子分类（基于喷注拓扑）：
     • Boosted 类别：包含一个高动量的 $H \to b\bar{b}$ 大半径喷注候选者。
     • 1b 类别：恰好包含 1 个 b 标记喷注。
     • $\ge$2b 类别：包含 2 个或更多 b 标记喷注。
  3. 二分类神经网络 (Binary NNs)：
     • 在 $SR_{ggF}$ 和 $SR_{VBF}$ 中，分别使用专门的二分类神经网络（$NN_{ggF}$ 和 $NN_{VBF}$）进一步区分信号与背景。
     • 这些神经网络的输出分布作为最终拟合的敏感观测量。

2.3 背景建模与系统误差

• 背景模拟：主要背景 $t\bar{t}$ 和 Drell-Yan (DY) 的归一化参数在最终拟合中作为自由参数进行约束。
• DY 修正：发现模拟中 DY 过程的喷注多重数和双轻子系统 $p_T$ 谱与数据存在偏差，利用验证区域数据推导了基于 $p_T^{\ell\ell}$ 和喷注多重数的修正因子。
• 系统误差：考虑了理论误差（尺度、PDF）、实验误差（轻子/喷注能量标度、b 标记效率、触发效率等）以及蒙特卡洛统计误差。

2.4 统计方法

• 使用 COMBINE 工具进行分箱轮廓似然比拟合（Profile Likelihood Fit）。
• 同时拟合所有类别的判别变量分布（NN 输出）和控制区的事件产额。
• 使用 $CL_s$ 准则设定上限。

3. 关键贡献 (Key Contributions)

1. 首次 13.6 TeV 结果：这是 CMS 首次利用 LHC Run 3 的 13.6 TeV 数据在 $HH \to bbWW$ 双轻子末态进行搜索。
2. 分类策略优化：
   • 引入了“多分类 + 二分类”的级联神经网络策略。
   • 相比之前的 Run 2 搜索（Ref. [25]），该策略使灵敏度提高了约 50%（基于相同数据集大小的预期排除限评估）。
3. 触发与算法改进：
   • 优化了电子触发的隔离条件，增加了信号产额。
   • 应用了更先进的 PARTICLENET 算法，提升了 b 标记和 Boosted $H \to b\bar{b}$ 的识别效率。
   • 利用 13.6 TeV 更高的质心能量，信号与背景噪声比（$S/\sqrt{B}$）提升了 5%。
4. 耦合约束：不仅限制了总产生截面，还同时约束了三线性耦合 $\kappa_\lambda$ 和四线性耦合 $\kappa_{2V}$。

4. 研究结果 (Results)

• 数据一致性：观测到的数据与标准模型背景预测一致，未发现显著的超出（Excess）。拟合优度检验的 p 值为 0.19。
• 截面限制：
  • 在 95% 置信水平（CL）下，观测到的希格斯玻色子对产生截面上限为 12.0 倍 标准模型预测值。
  • 预期上限为 18.5 倍。
  • 观测值低于预期值，主要归因于在敏感区域（特别是 $SR_{ggF}$ 的高分箱）观测到的事件数相对于背景预测出现了向下的统计涨落。
• 耦合参数限制：
  • 三线性耦合 ($\kappa_\lambda$)：排除范围为 $[-9.1, 15.7]$（预期为 $[-13.3, 19.8]$）。最佳拟合值为 3.4。
  • 四线性耦合 ($\kappa_{2V}$)：排除范围为 $[-0.20, 2.25]$（预期为 $[-0.48, 2.54]$）。
  • 结果显示，对于 $\kappa_{2V} \neq 1$ 的情况，Boosted 区域的灵敏度显著提升，因为 VBF 信号在该区域的接受度增加。

5. 意义与展望 (Significance)

• 技术验证：证明了在 Run 3 高能量、高亮度环境下，利用复杂的机器学习分类策略（特别是级联 NN 和 Boosted 拓扑分析）可以有效提升稀有过程（如 HH 产生）的探测灵敏度。
• 物理进展：尽管尚未发现新物理，但结果将 HH 产生截面的限制推进到了新的水平，并首次利用 13.6 TeV 数据对 $\kappa_\lambda$ 和 $\kappa_{2V}$ 进行了联合约束。
• 未来潜力：虽然目前的灵敏度（12.0 倍 SM）与 Run 2 的 138 fb$^{-1}$ 数据（14 倍 SM）相比在绝对数值上相当，但考虑到数据量更小且仅使用了双轻子通道，其相对灵敏度提升了 30%。随着 Run 3 数据的积累（目标 300 fb$^{-1}$ 及更高），结合多通道组合，有望在未来实现对希格斯自耦合的直接测量。

总结：该论文展示了 CMS 合作组在希格斯物理前沿领域的最新进展，通过先进的数据分析技术和对 Run 3 数据的初步利用，显著优化了对希格斯玻色子对产生过程的搜索策略，为标准模型希格斯势能的精确测量奠定了坚实基础。