⚛️ high-energy experiments

Searches for resonant and nonresonant multi-Higgs production in ATLAS and CMS

本文介绍了大型强子对撞机（LHC）上 ATLAS 和 CMS 实验在寻找共振与非共振多希格斯粒子产生方面的最新结果，这些研究对于测量希格斯自耦合以及探测超越标准模型的新物理至关重要。

原作者： Emmanouil Vourliotis (on behalf of the ATLAS,CMS Collaborations)

发布于 2026-06-23

📖 1 分钟阅读🧠 深度阅读

原作者： Emmanouil Vourliotis (on behalf of the ATLAS,CMS Collaborations)

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，宇宙就像一套巨大且复杂的乐高积木。长期以来，科学家们一直试图理解这些乐高积木是如何组合在一起的规则。“希格斯玻色子”（Higgs boson）是一种特殊且稀有的积木，它赋予了其他积木重量。但其中有一个更深的谜团：这种特殊的积木是如何与自身进行相互作用的？它是喜欢独处，还是更倾向于组成对（pairs）甚至三个一组的群体（groups of three）？

这篇论文是来自两个庞大的科学家团队——ATLAS 和 CMS 的报告，他们正在世界最大的粒子对撞机（LHC）中工作。他们的目标是捕捉这些希格斯积木在形成群体时的瞬间，特别是寻找同时出现的两个希格斯玻色子（“双希格斯”，di-Higgs）甚至三个希格斯玻色子（“三希克斯”，tri-Higgs）。

以下是他们搜寻过程的简要拆解：

1. 重大挑战：大海捞针

寻找单个希格斯玻色子已经像是在大海捞针。而同时寻找两个，难度要高出 1,000 倍；寻找三个，则要难上 50 万倍。

类比： 想象你正在参加一场大型演唱会（粒子对撞机）。看到一位著名的歌手（单个希格斯）很容易。看到两位歌手同时出现在舞台上是很罕见的。看到三位则是几乎不可能的。
为什么重要： 如果我们观察到这些群体，它将告诉我们宇宙的“能量景观”形状如何。如果这些群体的形态与我们目前的理论预测不同，那就意味着存在着我们尚未发现的隐藏规则或新粒子。

2. 寻找配对（双希格斯/Di-Higgs）

团队通过几种不同的方式寻找希格斯玻色子对，就像在巨大的失物招领箱里寻找特定的一双鞋子一样。

“黄金”搜索 (bbγγ)： 他们寻找的是一对希格斯玻色子，其中一个转化为两个光子（photons），另一个转化为两个底夸克（bottom quarks，重粒子）。
- ATLAS 使用了 2015–2024 年的数据。他们使用了智能计算机程序（称为“提升决策树”，Boosted Decision Trees）来从噪声中进行分类。他们发现结果与“标准模型”（我们目前最好的猜想）完全吻合。他们没有发现任何异常现象，但设定了一个非常严格的规则：“如果确实存在一种新型的成对产生机制，其强度不能超过我们预期值的 3.8 倍。”
- CMS 使用了 2022–2023 年的数据。他们尝试了两种不同的数学技巧来寻找信号。他们同样没有发现新的配对，但显著缩小了希格斯相互作用可能存在的“怪异性”范围。
“重型”搜索（顶夸克）： 他们还寻找了出现在顶夸克（已知最重的粒子）附近的希格斯对。
- ATLAS 使用了一种新型的人工智能，称为“Transformer 神经网络”（与先进聊天机器人背后的技术相同），来识别这些稀有事件。他们没有发现异常，但收紧了关于这些重粒子如何相互作用的规则。
强强联手： 在一次重大行动中，ATLAS 和 CMS 结合了各自独立的研究结果。通过汇集数据，他们创造了迄今为止最强大的搜索。他们现在表示，如果存在任何额外的希格斯对产生，其强度将小于预期值的 2.5 倍。这是目前为止撒下的最严密的网。

3. 寻找三人组（三希格斯/Tri-Higgs）

这是当前搜索中的“圣杯”。同时寻找三个希格斯玻色子极其困难，因为信号非常微弱。

挑战： 在 CMS 观察的数据中，只有大约 25% 的事件中三个希格斯玻色子是完全可见的。其余的事件则显得杂乱或不完整。
解决方案： 他们使用了一个名为 SPANet 的高级人工智能工具。你可以把它想象成一名侦探，即使现场证据缺失，也能通过凌乱的犯罪现场推断出究竟是哪三名嫌疑人在场。
结果： 他们没有发现三希格斯产生的证据。他们设定了一个限制：如果它发生，那也是极其罕见的（小于预期速率的 588 倍）。这是针对这一特定搜索所设定的最佳极限。

4. 寻找重共振态（“新”粒子）

到目前为止，团队一直在寻找凭空出现的希格斯玻色子（非共振态）。但他们同时也寻找了一个“信使”粒子。

类比： 想象你在公园里寻找两个人的会面。你可能会看到他们只是走向彼此。但也许他们是因为一辆巨大的巴士（重型新粒子）把他们送到这里才相遇的。
搜索过程： ATLAS 和 CMS 寻找了一个会衰变为希格斯玻索子的重型、隐形的“巴士”（被称为“X”或“Y”）。他们在极广的可能质量范围内进行了扫描。
结果： 没有发现巴士。没有发现任何重型新粒子将希格斯对“卸载”下来。

5. 未来展望（前景）

论文总结道，虽然他们目前还没有发现任何“新物理学”，但他们的搜寻能力正在大幅提升。

未来： 通过利用来自最新对撞机运行阶段的更好数据和更智能的 AI 工具，他们正为“高亮度 LHC”（High-Luminosity LHC，未来的升级版）做准备。
预测： 他们预计，到当前阶段结束时，他们将拥有足够的数据，以 7 sigma 的置信水平（这是物理学界公认的发现标准）来观测到希格斯对。换句话说，他们确信最终能够清晰地看到这些配对，即便目前还没有发现任何“惊喜”。

总结：
ATLAS 和 CMS 团队正在进行一场高风险的“寻找华生”（Where's Waldo?）游戏，目标是寻找希格斯玻色子。他们利用超级计算机和先进的人工智能来寻找希格斯的配对和三人组。到目前为止，宇宙的表现完全符合标准模型的预测——没有意外，没有新发现的重粒子，也没有奇怪的相互作用。然而，这场搜寻正在不断收紧，接下来的几年有望最终揭示希格斯玻色子如何与自身相互作用的真实本质。

技术摘要：ATLAS 与 CMS 对共振与非共振多希格斯产生过程的搜索

问题与动机
测量希格斯玻色子自耦合是大型强子对撞机（LHC）计划的主要物理目标之一，因为这些耦合定义了希格斯势能的形状，并为超越标准模型（BSM）的物理提供了敏感性。三线性自耦合通过双希格斯（$HH $）产生进行探测，其截面比单希格斯产生小约$ 10^3 $倍。四线性耦合可以通过三希格斯（$ HHH $）产生来获取，其截面比双希格斯产生大约小$ 5 \times 10^2$ 倍。此外，由于各种 BSM 模型，通过重标量衰变为希格斯对或一个希格斯与一个新标量，引发了对共振搜索的动力。本文介绍了 ATLAS 和 CMS 实验在涵盖多种末态的共振与非共振多希格斯产生方面的最新结果，利用了来自 LHC Run 2（ $\sqrt{s} = 13$ TeV）和早期 Run 3（ $\sqrt{s} = 13.6$ TeV）的数据。

方法论
分析采用了先进的学习技术和优化的策略，以将稀有信号过程从主导背景中分离出来。关键方法论包括：

双希格斯（$HH$）搜索：
- $HH \to b\bar{b}\gamma\gamma$ ： ATLAS 利用了全 Run 2 与部分 Run 3 数据（308 fb $^{-1}$ ) 的组合，采用在 $b\bar{b}\gamma\gamma$ 不变质量区域内训练的提升决策树（BDT）。基于 BDT 输出定义了信号区域（SRs），并在 14 个排他性 SRs 上对 $m_{\gamma\gamma}$ 分布进行了同时拟合。CMS 分析了 62 fb $^{-1}$ 的 Run 3 数据，采用了两种方法：一维拟合（仅 $m_{\gamma\gamma}$ ）和二维拟合（ $m_{\gamma\gamma}$ 与 $m_{b\bar{b}}$ ）。两者均利用多分类多元方法构建“解析型”（resolved）和“提升型”（boosted）SRs。
- $HH \to WWbb$ ： CMS 分析了 62 fb $^{-1}$ 的 Run 3 数据，根据 $b$ 标记喷注计数将胶胶融合（ggF）和矢量玻色子融合（VBF）信号分类为解析型和提升型 SRs。使用二分类和多分类神经网络（NNs）来分离信号与背景（ $t\bar{t}$ 、 $t$ 、$DY$）。
- $t\bar{t}HH$ 产生： ATLAS 使用 196 fb $^{-1}$ （2015–2023 年数据）进行了该过程的首次搜索。针对三种特征进行了研究：单轻子（ $1L$ ）、同号/多轻子（$SSML $）以及$ b\bar{b}\gamma\gamma$。Transformer 神经网络被应用于 $1L$ 和 $SSML$ 类别，而 BDT 则用于 $b\bar{b}\gamma\gamma$ 类别。信号提取涉及对 NN 输出和 $m_{\gamma\gamma}$ 分布的同时拟合。
- 组合： 通过结合 ATLAS 和 CMS 的独立分析以最大化灵敏度，从而得到了迄今为止最严格的限制。
三希格斯（$HHH$）搜索：
- CMS 搜索 $HHH \to 6b$ ： 使用 138 fb $^{-1}$ 的 Run 2 数据。鉴于重建效率较低（仅约 25% 的事件具有三个重建的希格斯玻色子），该分析利用 SPANet 将事件分类为信号（$HHH $）和背景（$ HH $、$ t\bar{t}$、QCD）。额外的 SPANet 层根据解析型（ $h$ ）或提升型（$bh$）希格斯玻色子的数量对信号事件进行分类。
共振搜索：
- ATLAS ( $X \to S(bb)H(\gamma\gamma)$ )： 分析了 Run 2 和 Run 3 数据（140 + 59 fb $^{-1}$ ），在具有一个或两个 $b$ 标记喷注的区域中使用参数化神经网络（PNNs），以覆盖重标量 $X$ 和 $S$ 的广泛质量参数空间。
- CMS ( $X \to H(ZZ)H(bb)$ 以及 $X \to Y(ZZ)H(bb)$ )： 使用 Run 2 数据（138 fb $^{-1}$ ），通过在具有 0、1 或 2 个大半径喷注的 SRs 中的参数化 BDT 来探测各种质量假设下的 $X$ 和 $Y$ 。

关键结果

非共振双希格斯（$HH$）：
- ATLAS ( $b\bar{b}\gamma\gamma$ )： 测得信号强度为 $\mu_{HH} = 0.9^{+1.3}_{-1.0}(\text{stat.})^{+0.6}_{-0.5}(\text{syst.})$ ，与标准模型（SM）一致。观测（预期）显著性为 0.84 (1.01) $\sigma$ 。设置了上界 $\mu_{HH} < 3.8$ (观测) 和 $\mu_{HH} < 3.7$ (预期)。耦合修正因子约束为 $\kappa_\lambda = 2.7^{+2.3}_{-3.0}$ 和 $\kappa_{2V} = 1.6^{+0.6}_{-1.9}$ 。
- CMS ( $b\bar{b}\gamma\gamma$ )： 使用二维拟合方法，观测（预期）上界为 $\mu_{HH} < 11$ (7.3)。 $\kappa_\lambda$ 修正因子被限制在 $-6.1 < \kappa_\lambda < 12.8$ 范围内。
- **CMS ($WWbb $)：** 观测（预期）信号强度的上界为 12.7 (18.6)。约束为$ \kappa_\lambda \in [-9.7, 15.8] $且$ \kappa_{2V} \in [-0.27, 2.32]$。
- ATLAS ( $t\bar{t}HH$ )： 观测（预期）信号强度的上界为 $\mu_{HH} < 20$ (21)。威尔逊系数 $c_{t\bar{t}HH}$ 被限制在 $[-3.9, 3.4]$ 。
- 组合 ATLAS/CMS： 独立分析的结合产生了迄今为止最严格的限制： $\mu_{HH}^{\text{observed(expected)}} < 2.5(1.7)$ ，并对 $\kappa_\lambda$ 和 $\kappa_{2V}$ 提供了最紧的约束。
非共振三希格斯（$HHH$）：
- CMS ( $6b$ )： 该分析提供了迄今为止对三希格斯产生过程的最佳限制， $\mu_{HHH}^{\text{observed(expected)}} < 588(572)$ 。四线性耦合修正因子被限制为 $|\kappa_4| < 190$ 。
共振搜索：
- ATLAS ( $X \to S(bb)H(\gamma\gamma)$ )： 未报告显著过剩；最高局部显著性约为 2 $\sigma$ 。
- CMS ( $X \to H(ZZ)H(bb)$ 以及 $X \to Y(ZZ)H(bb)$ )： 设置了产生截面的上界，结果与在更敏感末态（如 $H \to \gamma\gamma$ 和 $H \to \tau\tau$ ）中的结果相当。

意义与展望
本文强调，ATLAS 和 CMS 实验已达到 Run 2 分析的成熟水平，使得全面的组合分析能够显著提高灵敏度。Run 3 数据的整合以及前沿机器学习技术（包括 Transformer 神经网络、SPANet 和 PNNs）的应用，增强了探测这些稀有过程的能力。虽然目前的结果与标准模型一致，但正在进行的努力正为高亮度 LHC（HL-LHC）的预测铺平道路，预计在第二阶段运行结束时，观测双希格斯产生的预期显著性将超过 7 $\sigma$ 。