Probing dark matter through charged Higgs pair production at future multi-TeV muon colliders: A machine-learning analysis

技术摘要：通过未来多 TeV 缪子对撞机中的带电希格斯对产生探测暗物质

问题陈述
标准模型（SM）虽然取得了成功，但无法解释暗物质（DM）、中微子质量和重子不对称性等问题。惰性双标量模型（IDM）通过引入一个对离散 $Z_2$ 对称性为奇的额外 $SU(2)_L$ 标量双重态 ($\Phi_2$)，为标准模型提供了一个极简的扩展，其中标准模型场和第一个双重态 ($\Phi_1$) 为偶。这种对称性确保了最轻的 $Z_2$ 奇标量的稳定性，在此被识别为中性标量 $H$，它是一个可行的弱相互作用大质量粒子（WIMP）暗物质候选者。

尽管大型强子对撞机（LHC）和拟议的未来轻子对撞机（ILC, CLIC）已进行了广泛研究，但在特定区域内，IDM 的参数空间仍未得到充分约束。本文研究了未来多 TeV 缪子对撞机通过与中微子伴随产生的带电希格斯对（$H^\pm H^\mp$），并随后衰变为标准模型粒子及稳定的暗物质候选者 $H$ 的潜力。本研究特别针对如何使用先进的分析技术来区分这些信号与显著的标准模型背景这一挑战。

方法论
分析过程分为三个主要阶段：

1. 参数空间约束：
   首先通过施加理论约束（真空稳定性、摄动幺正性和惰性真空条件）以及当前实验限制，更新了 IDM 可行的参数空间。这些限制包括：

   • 电弱精密观测值（EWPOs）（$S, T, U$ 参数）。
   • LEP-II 和 LHC 对标量质量及衰变的直接搜索限制。
   • 希格斯精密测量（包括三希格斯耦合 $\kappa_{hhh}$ 和不可见分支比）。
   • 来自 Planck 协作组的宇宙学约束（暗物质相对密度 $\Omega_H h^2$）。
   • 来自 LUX-ZEPLIN (LZ) 实验的直接探测限制。

   利用公共软件包 2HDMC、HiggsBounds、HiggsSignals 和 micrOMEGAs，确定了 23 个基准点（BP1–BP23），这些基准点满足所有约束。研究特别强调了 BP3 至 BP8，它们具有有利于带电希格斯对产生的特定质量层级和耦合强度。

2. 信号与背景模拟：
   研究重点关注未来缪子对撞机 ($\mu^- \mu^+$) 在质心能量 ($\sqrt{s}$) 为 3, 10, 和 14 TeV 下的三种信号通道：

   • $\mu^- \mu^+ \to \nu_\mu \bar{\nu}_\mu H^\pm H^\mp \to 4 \text{ jets} + \text{缺失能量}$
   • $\mu^- \mu^+ \to \nu_\mu \bar{\nu}_\mu H^\pm H^\mp \to \ell^\pm + 2 \text{ jets} + \text{缺失能量}$
   • $\mu^- \mu^+ \to \nu_\mu \bar{\nu}_\mu H^\pm H^\mp \to \ell^+ \ell^- + \text{缺失能量}$

   使用 MadGraph5_aMC@NLO 生成信号和标准模型背景事件。背景包括 QCD 诱导的双喷注产生、纯电弱过程（例如 $W^+W^-, ZZ, Zh$）以及多玻色子末态。

3. 分析技术：
   采用了两种不同的分析策略来评估信号显著性 ($Z$)：

   • 基于截断的分析（Cut-based Analysis）： 应用了关于横向动量 ($p_T$)、伪快度 ($\eta$) 和角分离 ($\Delta R$) 的标准运动学截断。
   • 机器学习（ML）分析： 使用微分运动学分布作为 XGBoost 分类器的输入特征。该模型经过训练以区分信号与背景。使用 SHAP（SHapley Additive exPlanations）值验证了 ML 模型的可解释性，以识别最具影响力的运动学可观测量。

主要贡献与结果

• 基准点选择： 研究成功分离出一组符合所有当前理论、实验和宇宙学约束的可行 IDM 基准点（BP3–BP8），这些基准点专门针对带电希格斯对产生研究进行了定制。
• 通过 ML 增强敏感度： 机器学习框架的应用与传统的基于截断的方法相比，显著提高了信号敏感度。例如，在 $\sqrt{s} = 10$ TeV 且积分亮度为 $10,000 \text{ fb}^{-1}$ 时，基于截断的分析通常无法达到发现阈值，而经 ML 增强的分析对于多个基准点实现了超过 $5\sigma$ 的统计显著性 ($Z$)。
• 发现潜力：
  • 4-jet 通道： 在 $\sqrt{s} = 10$ TeV 下，BP3, BP6, BP7, 和 BP8 通过 ML 实现了 $Z > 5\sigma$。BP3 达到了 $Z \approx 40.5$。
  • 半轻子通道： 在 $\sqrt{s} = 10$ TeV 下，BP3, BP6, BP7, 和 BP8 超过了 $5\sigma$ 阈值，其中 BP7 达到 $Z \approx 37.6$。
  • 双轻子通道： 在 $\sqrt{s} = 10$ TeV 下，BP6, BP7, 和 BP8 实现了 $Z > 5\sigma$，其中 BP7 达到 $Z \approx 29.8$。
  • 高能表现： 在 $\sqrt{s} = 14$ TeV 时，大多数可行点的显著性进一步增加，展示了发现潜力随对撞机能量和亮度的可扩展性。
• ML 可解释性： SHAP 分析表明，分类器依赖于具有物理意义的可观测量。喷注横向动量之和 ($H_T^j$)、双喷注不变质量以及缺失不变质量 ($M_{miss}$) 被确定为最具判别力的特征，这与重标量衰变和不可见暗物质的预期信号拓扑一致。

重要性与主张
本文声称，未来的多 TeV 缪子对撞机通过带电希格斯对产生，具有间接探测 IDM 参数空间的强大潜力。作者断言：

1. 间接探测： 即使无法直接探测到暗物质粒子，通过观察相关带电希格斯玻色的运动学不平衡和特定衰变链，也可以有效地探测暗物质信号。
2. 机器学习的必要性： 研究表明，对于具有显著标准模型背景（如多喷注和缺失能量信号）的复杂末态，机器学习技术不仅是有益的，而且是实现广泛可行基准点发现级显著性（$Z > 5\sigma$）所必需的。
3. 可行性： 若干符合当前所有约束的基准点可以在拟议的缪子对撞机设施（如 10 TeV 和 14 TeV）中以远超 $5\sigma$ 阈值的统计显著性被发现，突显了这些机器在探索希格斯部门中超越标准模型（BSM）物理方面的独特能力。

作者总结道，其结果强调了未来轻子对撞机在解决有关暗物质本质和希格斯标量结构等基本问题方面的重要性。