[論文レビュー] Measurement of lepton-jet correlation in deep-inelastic scattering with the H1 detector using machine learning for unfolding

H Collaboration, V. Andreev+143 more|arXiv (Cornell University)|Aug 27, 2021

Particle physics theoretical and experimental studies参考文献 128被引用数 4

ひとこと要約

本論文は、HERAのH1検出器を用いて、高$Q^2$における深く入り込みのある散乱で、最初にレプトン-ジェット運動量不均衡（$q_{\mathrm{T}}^{\text{jet}}/Q$）および方位角方向相関（$\Delta\phi$）の測定を実施した。本研究では、高次元空間における同時でアンビンニングなアンフォールディングを可能にする、新たな機械学習ベースのアンフォールディング手法MultiFoldを採用し、横運動量分布への精密なアクセスを実現するとともに、横運動量依存（TMD）部分子分布関数に対する重要な制約を提供した。

ABSTRACT

The first measurement of lepton-jet momentum imbalance and azimuthal correlation in lepton-proton scattering at high momentum transfer is presented. These data, taken with the H1 detector at HERA, are corrected for detector effects using an unbinned machine learning algorithm OmniFold, which considers eight observables simultaneously in this first application. The unfolded cross sections are compared to calculations performed within the context of collinear or transverse-momentum-dependent (TMD) factorization in Quantum Chromodynamics (QCD) as well as Monte Carlo event generators. The measurement probes a wide range of QCD phenomena, including TMD parton distribution functions and their evolution with energy in so far unexplored kinematic regions.

研究の動機と目的

• 高$Q^2$における深く入り込みのある散乱（DIS）で、横運動量依存（TMD）部分子分布関数を調べるため、レプトン-ジェット相関観測量（$q_{\mathrm{T}}^{\text{jet}}/Q$ および $\Delta\phi$）を測定すること。
• 高次元の位相空間において、検出器効果を補正するため、機械学習ベースのアンフォールディング（MultiFold）を適用し、真の分布の高精度抽出を可能にすること。
• 固定標的に基づくDIS実験とハドロン衝突型Drell-Yan測定との間の運動量空間的ギャップを埋めるために、$Q^2 > 150$ GeV$^2$の領域で高精度のデータを提供すること。
• 理論的予測と比較することで、TMD因子化、TMD進化、TMD普遍性の妥当性を検証すること。この際、さまざまなTMDセットを用いた理論的予測を用いる。
• 将来の電子イオン衝突型加速器（EIC）における極化陽子および原子核のDISにおけるジェット研究のベンチマークを確立すること。

提案手法

• $Q^2 > 150$ GeV$^2$ および $0.2 < y < 0.7$ のイベントにおいて、$k_{\mathrm{T}}$アルゴリズム（$R=1$）を用いて実験フレームでジェットを再構築した。
• TMDに敏感な2つの主要な観測量を定義した：$q_{\mathrm{T}}^{\text{jet}}/Q$（レプトン-ジェット運動量不均衡）および $\Delta\phi$（方位角方向相関）。
• 高次元位相空間における同時でアンビンニングなアンフォールディングを実行するために、MultiFold機械学習アンフォールディング手法を適用した。これにより、ビニングを回避し、分解能を保持した。
• MultiFoldモデルのトレーニングにモンテカルロシミュレーションを用い、検出器応答を学習し、それを逆転させて真の分布を再構築した。
• アンフォールドされたデータを、固定オーダーpQCD計算およびさまざまなTMD PDFセット（Cascadeを含む）の予測と比較した。
• 不確実性を評価するため、異なるTMDセットの予測のばらつきを、実験的および理論的不確実性と比較した。

実験結果

リサーチクエスチョン

• RQ1 高$Q^2$における深く入り込みのある散乱で、レプトン-ジェット運動量不均衡（$q_{\mathrm{T}}^{\text{jet}}/Q$）および方位角相関（$\Delta\phi$）はどのように振る舞うか？
• RQ2 従来のビニング手法と比較して、機械学習ベースのアンフォールディング（MultiFold）は、高次元ジェット観測量の精度および分解能をどの程度向上できるか？
• RQ3 測定されたレプトン-ジェット相関は、横運動量依存（TMD）部分子分布関数の普遍性および進化をどの程度制約できるか？
• RQ4 低$Q^2$のHERAデータから抽出されたTMD PDFに基づく理論的予測は、本研究の高$Q^2$データとどの程度一致するか？
• RQ5 これらのデータは、エネルギースケールを横断するTMDおよび共線PDFのグローバルフィットに対して、どの程度の制約力を有するか？

主な発見

• 本測定は、TMD PDFを調べるための重要な観測量である、高$Q^2$におけるレプトン-ジェット運動量不均衡（$q_{\mathrm{T}}^{\text{jet}}/Q$）の最初の決定を提供した。
• データは、低$Q^2$の半包含的DISおよび一部のパートン分岐モデルから抽出されたTMD PDFを用いた理論的予測と良好に一致した。
• 実験的不確実性は、さまざまなTMDセット（Cascadeを含む）の予測のばらつきと同程度の大きさであり、将来のTMDフィットに対して強い制約力を示している。
• TMD予測のばらつきは、実験的および固定オーダー理論的不確実性の合計と同等の大きさであり、今後のグローバルTMD解析におけるモデル依存性の低減に役立つことが示唆された。
• MultiFoldアンフォールディングの適用により、高次元でアンビンニングなアンフォールディングが可能となり、精密な核子構造研究における実験的高エネルギー物理学の分野における画期的な前進をもたらした。
• 本結果は、将来の電子イオン衝突型加速器（EIC）における極化陽子および原子核のDISにおけるジェット物理学のための重要な基準を提供した。