跳到主要内容
返回时间线
arXiv来源发表:

把强子辐射铺到球面上:色单态希格斯候选的软辐射内外不对称,让顶夸克稀有衰变预期上限收紧约一个量级

核心概要

大型强子对撞机上,顶夸克与希格斯的味改变中性流衰变信号与背景共享同样的重建对象,此前分析主要依赖不变质量与角度等运动学量。该工作把强子成分以希格斯候选的两个b喷注中点为圆心、经修改的逆球极投影映射到单位球面,使锥内与锥外辐射分居南北半球,再用测地距离建图的图神经网络读取这一内外不对称。在14 TeV、假定积分亮度3000 fb⁻¹的模拟中,与平面内建图的基线图神经网络相比,预期95%置信水平上限改善约一个量级。

Source-provided article image: Improving Sensitivity to Rare Processes at the LHC with Geodesic-Aware Graph Neural Networks
arXiv

深度剖析

稀有过程的搜寻开始把软量子色动力学辐射的色结构当作可用信息,而不只依赖重建出的喷注与轻子运动学。 信号与主导背景含有相同的重建对象,例如多个喷注和多个b标记喷注,单靠不变质量与角度分离难以把信号提取出来。 在顶夸克与希格斯味改变中性流相互作用的模拟基准上,以同一套运动学分支和分类头比较两种图神经网络,球面表示的那一种给出更强的预期排除能力。

每个事件的强子成分被放到一个以希格斯候选为中心的球面上,锥内与锥外因此变成南北两个半球。 映射采用修改的逆球极投影,圆心取两个b标记喷注在η-φ平面上的中点,参考半径取二者间距的一半。 图神经网络的邻接与边属性都用球面上的测地距离定义,即两点间较短的大圆弧长,而不是穿过球体的直线距离。

在14 TeV、假定积分亮度3000 fb⁻¹、每喷注b标记效率70%的条件下,主分析给出顶夸克-希格斯味改变中性流耦合的预期上限。 同一条件下,平面内建图的基线图神经网络给出的预期上限要弱约一个量级。 主结果来自带系统误差模型的剖面似然分析,与精确泊松处理的结果在10%以内一致。

启示与展望

演示范围是14 TeV质子-质子碰撞的模拟事件,采用快速探测器模拟、领头阶背景生成,并在每喷注b标记效率70%下给出预期上限;同一表示可推广到其他衰变为夸克-反夸克对的色单态共振态,以及衰变为两个胶子的色单态。

最敏感工作点的假阳性率在10⁻³到10⁻⁴之间,背景估计只依赖一到两个模拟事件;部分子簇射与强子化建模的不确定性,包括色重联,尚未纳入分类器接受度的评估。