[論文レビュー] Machine Learning-Assisted Measurement of Lepton-Jet Azimuthal Angular Asymmetries in Deep-Inelastic Scattering at HERA

The H1 Collaboration, V. Andreev+142 more|arXiv (Cornell University)|Dec 18, 2024

Particle physics theoretical and experimental studies被引用数 4

ひとこと要約

本論文では、H1検出器のデータを用いて、HERAにおける深エネルギーシンチレーション散乱（DIS）におけるレプトン・ジェットの方位角的空間的非対称性を測定する機械学習ベースのアンフォールディング手法を提示する。この手法により、ビンフリーのモーメント抽出が可能となり、摂動的QCD予測と整合するがわずかな非ゼロの非対称性が明らかになった。特に高運動量領域（$q_\perp > 3.0$ GeV）で観測されたずれは、$P_\perp \gg q_\perp$近似の破綻を示唆している。

ABSTRACT

In deep-inelastic positron-proton scattering, the lepton-jet azimuthal angular asymmetry is measured using data collected with the H1 detector at HERA. When the average transverse momentum of the lepton-jet system, $\lvert \vec{P}_\perp vert $, is much larger than the total transverse momentum of the system, $\lvert \vec{q}_\perp vert$, the asymmetry between parallel and antiparallel configurations, $\vec{P}_\perp$ and $\vec{q}_\perp$, is expected to be generated by initial and final state soft gluon radiation and can be predicted using perturbation theory. Quantifying the angular properties of the asymmetry therefore provides an additional test of the strong force. Studying the asymmetry is important for future measurements of intrinsic asymmetries generated by the proton's constituents through Transverse Momentum Dependent (TMD) Parton Distribution Functions (PDFs), where this asymmetry constitutes a dominant background. Moments of the azimuthal asymmetries are measured using a machine learning method for unfolding that does not require binning.

研究の動機と目的

• HERAにおける深エネルギーシンチレーション散乱（DIS）の高精度なレプトン・ジェット方位角的空間的非対称性の測定を通し、量子色力学（QCD）予測の検証を可能にする。
• ビニングを回避する機械学習ベースのアンフォールディング技術の開発と適用により、モーメント抽出における統計的精度の向上と系統的不確実性の低減を実現する。
• ソフトグルーオン放射の非対称性への寄与を定量化し、将来の横運動量依存（TMD）部分子分布関数の測定におけるバックグラウンドとしての役割を明確にする。
• イベントジェネレータ（例：DJANGOH, RAPGAP, SHERPA, TXZ pQCD）およびTMDモデル（HXYZ）からの理論的予測とデータを比較し、それらの整合性を評価する。
• $ P_\perp \gg q_\perp $近似が破綻する運動量領域を特定し、特に $ q_\perp > 3.0 $ GeV において、モデルの飽和効果への感受性を評価する。

提案手法

• ビニングを回避する機械学習ベースのアンフォールディング手法を用いて、測定におけるバイアスを低減し、分解能を向上させることで、方位角的非対称性のモーメントを抽出する。
• シミュレーション済みイベントを用いてトレーニングされた微分可能でエンドツーエンドのニューラルネットワークアーキテクチャを用い、検出器レベルの分布を真値レベルのモーメントにマッピングする。これにより、ビニングに起因する歪みを最小限に抑える。
• アンフォールディングの妥当性は、既知の非対称性を持つDISイベントのモンテカルロシミュレーションを用いて検証され、モーメント再構築の堅牢性と正確性が保証される。
• 分析は、$ \vec{P}_\perp $ と $ \vec{q}_\perp $ の間の角度 $ \phi $ を用いて定義される方位角的非対称性の最初の3次ハーモニクスに焦点を当てる。すなわち $ A_n = \langle \cos(n\phi) \rangle $ である。
• イベントジェネレータ（DJANGOH, RAPGAP, SHERPA, TXZ pQCD）およびTMDモデル（HXYZ）からの理論的予測を、$ q_\perp $ ビンごとにデータと比較し、一致度を評価する。
• 系統的不確実性は、アンフォールディングネットワークのアーキテクチャ、シミュレーションモデル、運動量カットの変更を用いて評価され、信頼性の高い誤差推定が保証される。

実験結果

リサーチクエスチョン

• RQ1 $ P_\perp \gg q_\perp $領域における測定されたレプトン・ジェット方位角的非対称性は、摂動的QCD予測とどの程度一致するか？
• RQ2 SHERPA, DJANGOH, RAPGAP などの異なるイベントジェネレータは、$ q_\perp $ ビンの変化に応じてデータとどの程度一致するか？
• RQ3 飽和効果を含むHXYZ TMDモデルはデータと一致するか、それとも高 $ q_\perp $ で不一致を示すか？
• RQ4 非対称性測定のずれが観測される $ q_\perp $ 値はどの程度で、$ P_\perp \gg q_\perp $ 近似が破綻し始めるか？
• RQ5 非対称性のパターンに基づいて、飽和効果を含むモデル（TXZ(GBW)）と含まないモデル（TXZ(CT18A)）をデータが区別できるか？

主な発見

• 測定された非対称性は微小ではあるが非ゼロであり、$ q_\perp > 2 $ GeV ではほとんどのデータポイントがゼロと整合的である。これは、ソフトグルーオン放射による弱い信号を示している。
• DJANGOH および RAPGAP イベントジェネレータは、すべての $ q_\perp $ ビンでデータと良好に一致しており、ソフトグルーオン効果のモデル化において信頼性が高いことを示している。
• PythiaチューニングおよびLO・NLOのSHERPAは、特に高 $ q_\perp $ でデータと大きな乖離を示しており、パートンシャワーのモデル化に限界がある可能性を示唆している。
• TXZ pQCD計算は全体的にデータと一致しているが、$ 3.0 < q_\perp < 4.0 $ GeV の領域で最初のハーモニクスでずれを示し、この領域で $ P_\perp \gg q_\perp $ 近似が破綻していることを示している。
• HXYZ（TMD）モデルは低 $ q_\perp $ ではデータと一致するが、$ q_\perp > 3.0 $ GeV ではすべての3つのハーモニクスでデータと不一致を示しており、飽和モデリングまたはパラメータライゼーションに問題がある可能性を示唆している。
• 現在のデータでは、飽和効果を含むTXZ(GBW)モデルと含まないTXZ(CT18A)モデルを区別できない。将来的に $ Q^2 $ を低くするか、eA衝突を用いた測定により、この不確実性を解消する必要がある。