[論文レビュー] HHH Whitepaper

Hamza Abouabid, Abdesslam Arhrib+32 more|arXiv (Cornell University)|Jan 1, 2024

Particle physics theoretical and experimental studies被引用数 1

ひとこと要約

このホワイトペーパーは、2023年のHHHワークショップの要約であり、ハドロン衝突加速器における三重ヒッグスボソン生成（HHH）の検出に関する理論的および実験的課題に焦点を当てている。マルチスカラー最終状態を通じたヒッグス自己結合定数の測定戦略を提示し、高度な機械学習、QCDの高精度計算、モンテカルロシミュレーションを活用し、標準模型を越えたヒッグスポテンシャルの探査を目的としている。

ABSTRACT

We here report on the progress of the HHH Workshop, that took place in Dubrovnik in July 2023. After the discovery of a particle that complies with the properties of the Higgs boson of the Standard Model, all Standard Model (SM) parameters are in principle determined. However, in order to verify or falsify the model, the full form of the potential has to be determined. This includes the measurement of the triple and quartic scalar couplings.We here report on ongoing progress of measurements for multi-scalar final states, with an emphasis on three SM-like scalar bosons at 125 $\, ext {Ge}\hspace{-.08em} ext {V}$, but also mentioning other options. We discuss both experimental progress and challenges as well as theoretical studies and models that can enhance such rates with respect to the SM predictions.

研究の動機と目的

• ハドロン衝突加速器における三重ヒッグスボソン生成（HHH）の検出のための共同ロードマップを確立すること。
• マルチスカラー最終状態を通じたヒッグス自己結合定数の測定における実験的および理論的課題に対処すること。
• 高エネルギーで融合したジェットおよび複雑なQCD背景に対して、分析技術を進化させること。
• HHH生成率を高めうる、標準模型を越えた（BSM）のシナリオを探索すること。
• シミュレーション、機械学習、背景モデルの精錬を通じて、高光度および将来の100 TeV衝突加速器の準備をすること。

提案手法

• 機械学習アルゴリズムを用いて、融合ジェット内でのブーストされたヒッグスボソンおよびトップクォークの同定を行い、信号と背景の分離を向上させること。
• データ駆動型技術を適用し、MLを用いてQCDマルチジェット背景をモデル化することで、系統的不確実性を低減すること。
• 高精度なQCD計算およびモンテカルロジェネレータを用いて、信号および背景イベントのシミュレーションをより正確に行うこと。
• HHH率を高めるBSM拡張を探索するための簡略化モデルおよびパートンレベルイベントジェネレータを開発すること。
• 複雑な最終状態における重クォークジェットを区別するために、フレーバータギング技術を統合すること。
• 二重ヒッグス解析技術（例えば、運動量再構成およびイベントカテゴリゼーション：解体状態、部分融合状態、完全融合状態）をHHH最終状態に適応すること。

実験結果

リサーチクエスチョン

• RQ1 機械学習技術は、HHHイベントにおける融合ジェット構成の高エネルギーでブーストされたヒッグスボソンを効果的に再構成できるか？
• RQ2 HHH最終状態における主要なQCD背景は何か？ そして、モンテカルロシミュレーションを用いて、十分な精度でそれらをモデル化できるか？
• RQ3 どのBSMモデルがHHH生成率を顕著に高め、HL-LHCまたは将来の100 TeV衝突加速器で観測可能にする可能性があるか？
• RQ4 イベントカテゴリゼーション（解体状態、部分融合状態、完全融合状態）を最適化することで、HHH信号への感度を最大限に高められるか？
• RQ5 HHHデータから正確なヒッグス自己結合定数を測定するためには、QCD計算におけるどの程度の理論的精度が必要か？

主な発見

• HHH生成の標準模型（SM）断面積は約0.1 fbであり、現在の光度ではLHCで観測可能でないが、30 ab⁻¹のデータを有する100 TeV衝突加速器では達成可能となる可能性がある。
• 機械学習技術は、融合ヒッグスボソンの同定およびQCD背景の不確実性低減において強く有望な成果を示している。
• 多くのHHH解析技術は、二重ヒッグス探索から直接移行可能であり、ジェットのサブストラクチャおよびフレーバータギングを含む。
• QCD計算およびモンテカルロモデリングにおける理論的進展は、信号および背景予測の正確性にとって不可欠である。
• いくつかのBSMモデルはHHH生成率を高めることができ、HL-LHCまたは将来の衝突加速器で観測可能になる可能性がある。
• HHHワークショップは、将来の研究の基盤となるロードマップを確立し、理論と実験の協働の重要性を浮き彫りにした。