[論文レビュー] ATLAS searches for additional scalars and exotic Higgs boson decays with the LHC Run 2 dataset

Aad, Georges, Aakvaag, Erlend+2915 more|arXiv (Cornell University)|Jan 1, 2024

Particle physics theoretical and experimental studies被引用数 2

ひとこと要約

本論文は、LHCラン2の13 TeV陽子-陽子衝突データ140 fb⁻¹を用いて、追加のスカラー粒子およびエキゾチックなヒッグスボソン崩壊のATLAS検索について包括的なレビューを提供する。更新された除外限界がさまざまなBSMモデルに対して報告され、複数のチャンネルで小さくも持続的な過剰が観測され、特に機械学習および改善されたフレーバー識別技術を含む先進的な実験的手法が、より高い感度と広い位相空間カバー範囲を実現していることが強調されている。

ABSTRACT

This report reviews the published results of searches for possible additional scalar particles and exotic decays of the Higgs boson performed by the ATLAS Collaboration using up to 140 fb$^{-1}$ of 13 TeV proton-proton collision data collected during Run 2 of the Large Hadron Collider. Key results are examined, and observed excesses, while never statistically compelling, are noted. Constraints are placed on parameters of several models which extend the Standard Model, for example by adding one or more singlet or doublet fields, or offering exotic Higgs boson decay channels. Summaries of new searches as well as extensions of previous searches are discussed. These new results have a wider reach or attain stronger exclusion limits. New experimental techniques that were developed for these searches are highlighted. Search channels which have not yet been examined are also listed, as these provide insight into possible future areas of exploration.

研究の動機と目的

• LHCラン2の全データセットを用いて、標準模型を超える追加のスカラー粒子およびエキゾチックなヒッグスボソン崩壊を体系的かつ系統的に探索すること。
• 2ヒッグスダブルレットモデル、シングレット拡張、およびエキゾチックなヒッグス崩壊を伴うモデルなどの実験的データを用いて、実現可能なBSMモデルを制約すること。
• 新物理の兆候を示す可能性がある、複数の探索チャンネルにわたる小さくも持続的な過剰を同定および分析すること。
• 機械学習や改善されたオブジェクト再構築を含む先進的な実験的手法を開発・適用し、挑戦的な最終状態における感度を向上させること。
• 今後のラン3以降の探索をガイドするため、現在カバーされていないシグネチャをマップし、特に高・低質量領域および長寿命粒子に対して焦点を当てること。

提案手法

• LHCラン2期にATLAS検出器が収集した最大140 fb⁻¹の13 TeV pp衝突データを用いた。
• ブーストされたトポロジーと複雑な最終状態における信号-バックグラウンド分離を向上させるために、ブーストドリフトツリーおよびディープニューラルネットワークを含む多次元解析手法を適用した。
• ブーストされたトポロジーおよび高運動量最終状態における感度を向上させるために、高度なジェットサブストラクチャおよびマージドオブジェクト再構築手法を実装した。
• モンテカルロシミュレーションの統計的不確実性および検出器効果に特に注目し、データ駆動的手法を用いてシステムティック不確実性を制約した。
• バックグラウンド寄与を推定または除外するために機械学習を用い、シミュレーションへの依存を減らし、より高いロバストネスを実現した。
• ディープラーニングに基づく改善されたフレーバー・タグギングアルゴリズムを適用し、トップおよびヒッグス関連最終状態におけるb-およびc-ジェットの識別を向上させた。

実験結果

リサーチクエスチョン

• RQ1 ラン2データを用いた場合、さまざまな崩壊モードにおける追加の中性および荷電ヒッグスボソンの強力な除外限界は何か？
• RQ2 ヒッグスボソン崩壊モードや共鳴状態探索において、標準模型からの統計的に有意なずれは観測されたか？
• RQ3 高度な機械学習手法は、低信号・高バックグラウンド最終状態における感度をどのように向上させるか？
• RQ4 未探索の実験的シグネチャは何か？ 今後のラン3以降の探索のための有望なフロンティアとなるか？
• RQ5 現在のヒッグスおよびBSM探索における主なシステムティック不確実性は何か？ そして、データ駆動的手法によってどのように緩和できるか？

主な発見

• 統計的に有意な新物理シグナルは観測されなかったが、特にH→bb̄、H→μμ、H→ττ最終状態において、小さくも持続的な過剰が観測され、新物理の兆候を示唆している。
• 2HDM、シングレットおよびダブルレットスカラー拡張、および非可視または(準)スカラー最終状態へのエキゾチックなヒッグス崩壊を伴うモデルを含む、広範なBSMモデルにおいて除外限界が拡張された。
• 特に共鳴的ヒッグス二重子生成およびH→ZZ*、H→WW*最終状態において、以前の探索よりも強い除外限界が達成された。
• 機械学習手法により、バックグラウンド寄与の低減と信号識別能の向上により、ブーストおよびマルチジェット最終状態における感度が顕著に向上した。
• ディープラーニングに基づくフレーバー・タグギングの改善により、システムティック不確実性が低減し、トップおよびヒッグス関連最終状態における感度が向上した。
• 長寿命粒子、カスケード崩壊、非常に軽量または非常に重い共鳴状態を含む、未カバーのシグネチャが同定され、今後のラン3以降の探索における高優先度のターゲットとして位置づけられた。