现代物理学的核心是一个基本问题:是什么赋予了宇宙其物质性?在描述物质与力如何相互作用的主流理论——粒子物理标准模型中,这一属性是由一个遍布所有空间的场所赋予的。粒子在通过该场运动时会获得质量,就像物体在穿过浓稠的糖浆时会遇到阻力一样。该场的存在于2012年随着希格斯玻色子的发现得到了证实,这种粒子被视为该场中的一种涟漪。然而,众所周知,标准模型并不完整;它无法解释引力、暗物质,也无法解释为什么宇宙中包含的物质比反物质多。这使得物理学家怀疑,希格斯玻色子可能并非孤身一人。理论表明,可能存在一个隐藏的粒子扇区,其中或许包括希格斯玻色子更轻的“近亲”,它们与我们能看到的物质发生相互作用。寻找这些隐藏粒子将是迈向更全面理解现实的重要一步。
为了搜寻这些难以捉摸的粒子,瑞士大型强子对撞机的研究人员将质子以接近光速的速度撞击在一起,从而重现早期宇宙中剧烈的能量条件。当这些质子发生碰撞时,它们可以产生随后瞬间衰变为更轻粒子的重粒子。CMS实验是围绕碰撞点的一个巨型探测器之一,它扮演着高速摄像机的角色,捕捉这些碰撞产生的碎片。在最近的一次分析中,CMS团队专注于一种特定的情景:即一个希格斯玻色子(或类似的重粒子)分裂成两个被称为“伪标量”(pseudoscalars)的较轻粒子。这些轻粒子随后进一步衰变:其中一个转化为一对缪子(电子的重型近亲),另一个则转化为一对陶子(比电子更重的近亲)。挑战在于,如果这些轻伪标量粒子非常轻,它们产生的陶子运动速度极快,以至于被挤压在一起,看起来几乎像是一个单一物体,而非两个独立的粒子。
研究人员检查了2016年至2018年间收集的数据,这对应于138 fb⁻¹的积分亮度。他们正在寻找一种特定的特征信号:从单个碰撞点产生两对缪子和两对陶子。由于来自轻伪标量粒子的陶子排列得非常紧密,标准的识别方法往往会失效,导致信号被遗漏。为了解决这个问题,团队开发了新的、复杂的技巧。他们创建了一个专门的深度神经网络——一种经过训练以识别处于近乎相同方向运动的陶子对之独特且压缩模式的计算机程序。他们还改进了识别衰变为其他粒子的陶子的方法,确保即使在来自其他常见粒子相互作用的背景噪声中,也能识别出这些紧密排列的粒子对。
在将这些新工具应用于海量数据集后,研究人员并未发现相对于标准模型背景的显著过剩。他们观察到的事件数量与已知标准模型过程的预测一致,允许存在预期的统计涨落。数据中没有出现表明存在新型轻伪标量玻色子的异常峰值。因此,团队为这种衰变发生的频率设定了严格的上界。他们确定,如果一个质量为125 GeV的希格斯玻色子衰变为这些轻粒子,其概率将在5 × 10⁻⁵到2.7 × 10⁻⁴之间;而对于更重的希格斯玻色子版本,该概率甚至更低。这些结果有效地排除了许多理论模型,这些模型曾预测这些粒子在当前数据下应该是足够常见的。
这项工作不仅具有重要意义,因为它缩小了寻找新物理学的范围,还因为它展示了一种观察数据的新方式。通过成功识别紧密排列的陶子对,团队为以前难以探索的质量区域开启了一扇窗户。虽然这次搜寻并未发现新粒子,但缺乏发现本身也是一个强有力的结果。它告诉理论学家,如果这些隐藏粒子确实存在,那么它们要么极其罕见,要么其行为与最流行的模型所预测的不同。该分析扩展了以往搜索的范围,覆盖了更广泛的质量区间,并对希格斯玻色子如何衰变为这些较轻的隐藏态提供了迄今为止最严格的限制。对宇宙隐藏扇区的搜寻仍在继续,但随着每一次负面结果的出现,通往真理的路径都变得更加清晰。
技术摘要:寻找轻型伪标量希格斯玻色子的被加速 μμττ 末态
问题与动机
本文展示了对轻型伪标量希格斯玻色子(a)的搜索,该玻色子产生于标量希格斯玻色子(H)的衰变中,具体过程为 H→aa→μμττ。本分析针对的是 H 为标准模型(SM)希格斯玻色子(mH=125 GeV)或由如次轻超对称模型(NMSSM)和含单态的双希格斯双标模型(2HDM+S)等预言的更重标量态(mH=250–1000 GeV)的情景。
该搜索的主要挑战在于运动学机制:由于 H 与轻型伪标量 a 之间的质量差巨大,导致 a 的衰变产物具有高度的洛伦兹加速(Lorentz boosted)和共线性(collimated)。这种拓扑结构使得 τ 轻子对的衰变产物显著重叠,通常会导致标准 CMS τ 轻子重建算法的效率降低。先前的搜索侧重于解析拓扑(resolved topologies)或特定的衰变通道;本分析旨在覆盖所有运动学上可及的 a→ττ 衰变,包括那些 τ 轻子高度加速并被重建为单个喷注(jet)的情况。
方法论
本分析利用了 CMS 实验在 s=13 TeV 下,从 2016 年到 2018 年收集的质子-质子碰撞数据,对应于 138 fb−1 的积分亮度。该搜索针对末态 μμττ,其中一个伪标量衰变为双缪子对(a→μμ),另一个衰变为 τ 轻子对(a→ττ)。ττ 系统在四种衰变通道中进行分析:τμτe、τμτh、τeτh 和 τhτh(其中 τh 表示强子衰变的 τ 轻子)。
关键的方法论进展包括:
- 专用重建算法: 为了应对被加速 τ 轻子对的共线性问题,本分析对 τμτh 和 τeτh 通道采用了改进的重建技术。这些技术涉及在应用标准 Hadron-plus-Strips (HPS) 算法之前,通过移除重叠的缪子或电子来修改喷注种子(jet seed)。
- 深度神经网络 (DEEPDITAU): 一项重要的创新是开发了一个深度神经网络分类器 DEEPDITAU,专门用于识别被重建为单个 AK4 喷注的共线性 τhτh 对。该网络将喷注分类为轻夸克/胶子、底夸克以及 τhτh 对,实现了 70% 的信号标记效率,且对于 QCD 喷注的误标记率仅为 1%。
- 事件选择与背景估计: 事件选择要求有两个隔离的缪子和一个 τ 轻子对候选体。主要的背景是伴随喷注(被误认为 τ 轻子)的 Drell-Yan μμ 产生过程,该背景通过从控制区导出的“紧致-松弛”(tight-to-loose)比例法直接从数据中进行估计。
- 统计分析: 对双缪子不变质量(mμμ)和四体可见质量(mμμττ)的分布进行二维非分箱极大似然拟合。信号被建模为 mμμ 中的窄共振峰以及 mμμττ 中的宽分布。
主要贡献
- 首次对该背景下的被加速 τhτh 设定限制: 这是首次通过使用专用深度学习分类器成功包含 τhτh 末态的 LHC 分析,从而覆盖了 94% 的理论上可及的 a→ττ 衰变,并首次在该通道中设定了上限。
- 扩展质量范围: 本分析将之前的搜索扩展到了更低的伪标量质量(ma 低至 3.6 GeV),并研究了高达 1 TeV 的重标量质量(mH),这一范围在 μμττ 通道的被加速拓扑中此前未被探测。
- 提高效率: 与标准 HPS 算法相比,针对 τμτh 和 τeτh 通道的改进重建技术显著提高了信号效率(提升倍数达 2–4 倍),特别是在 ma 最小(即加速程度最高)的情况下。
结果
在数据中未观察到相对于标准模型背景的显著过剩。因此,针对生产截面乘以分支比与标准模型截面之比 σH×B(H→aa→μμττ)/σSM,设定了模型无关的 95% 置信水平 (CL) 上限。
- 对于 mH=125 GeV: 在伪标量质量处于 3.6 至 21 GeV 之间时,上限范围为 5×10−5 至 2.7×10−4。
- 对于 mH=1 TeV: 在伪标量质量处于 3.6 至 50 GeV 之间时,上限范围为 3.5×10−4 至 1.5×10−3。
- 模型解释: 结果在 2HDM+S 模型(Type I, II, III, IV)的背景下进行了解释。对于 Type-I 和 Type-II 模型,结果在 3.6<ma<4.2 GeV 范围内提供了迄今为止最严格的 B(H→aa) 限制。对于 Type-III 模型,结果在 13<ma<15 GeV 范围内优于之前的研究结果。
意义
本文声称,这些结果显著扩展了早期 CMS 和 ATLAS 搜索所获得的排除限制,特别是在被加速拓扑占主导地位的低 ma 区域。通过结合多个 τ 衰变通道并引入 DEEPDITAU 分类器,本分析在 mH=125 GeV 时,其灵敏度较之前的被加速搜索(例如 Ref. [47])提升了 2–5 倍。此外,这项工作代表了利用整个 Run 2 数据集对重中性标量(mH≤1 TeV)衰变为两个瞬时衰变伪标量的首次搜索,为预言轻型伪标量的扩展希格斯部门模型提供了关键约束。
每周获取最佳 high-energy experiments 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题,再试一次?
无垃圾邮件,随时退订。