[論文レビュー] Neural Networks Search for Charged Higgs Boson of Two Doublet Higgs Model at the Hadrons Colliders

Nady Bakhet, Maxim Khlopov+1 more|arXiv (Cornell University)|Jul 23, 2015

Particle physics theoretical and experimental studies参考文献 3被引用数 4

ひとこと要約

この論文は、テバトロン（√s = 1.96 TeV）およびLHC（√s = 14 TeV）における陽子-陽電子および陽子-陽子衝突のモンテカルロシミュレーションを用いて、2HDM（2Higgsダブルレットモデル）におけるチャージドヒッグスボソンのニューラルネットワークベースの探索を提案している。トップクォーク、レプトン、ジェット、および欠落横断運動量を含む最終状態を分析することで、従来のカット手法に比べて信号の識別能が向上し、pp(̄p) → t̄t → H+b H-̄b チャネルにおけるチャージドヒッグスボソン生成の感度が向上することを示している。

ABSTRACT

In this work, we present an analysis of a search for charged Higgs boson in the context of Two Doublet Higgs Model (2HDM) which is an extension of the Standard Model of particles physics. The 2HDM predicts by existence scalar sector with new five Higgs bosons, two of them are electrically charged and the other three Higgs bosons are neutral charged. Our analysis based on the Monte Carlo data produced from the simulation of 2HDM with proton antiproton collisions at the Tevatron $\sqrt{s}=1.96$ TeV (Fermi Lab) and proton proton collisions at the LHC $\sqrt{s}=14$ TeV (CERN) with final state includes electron , muon , multiple jets and missing transverse energy via the production and decay of the new Higgs in the hard process $pp(\bar{p}) ightarrow t\bar{t} ightarrow H^{+}b H^{-}\bar{b}$

研究の動機と目的

• 標準模型の拡張である5つのヒッグスボソン（うち2つがチャージド）を含む2HDMにおけるチャージドヒッグスボソンの検出のための機械学習手法を開発すること。
• 従来の運動量カットを越えて、チャージドヒッグスボソン探索の感度を向上させること。
• テバトロン（√s = 1.96 TeV）およびLHC（√s = 14 TeV）におけるpp(̄p) → t̄t → H+b H-̄b 生成および崩壊チャンネルを分析すること。
• 多変量解析を用いて、運動量およびトポロジー的特徴に基づき、ニューラルネットワークの性能が標準模型のバックグラウンドからチャージドヒッグス信号をどのように識別できるかを評価すること。

提案手法

• 2HDMの過程 pp(̄p) → t̄t → H+b H-̄b について、テバトロン（√s = 1.96 TeV）およびLHC（√s = 14 TeV）におけるモンテカルロシミュレーテッドイベントを用いる。
• 最終状態には、電子、ミュオン、複数のジェット、および欠落横断運動量が含まれ、トップクォーク崩壊およびニュートリノからの欠落エネルギーに特徴的である。
• 運動量およびトポロジー的特徴に基づき、イベントを信号（チャージドヒッグス）またはバックグラウンド（標準模型プロセス）に分類するためのフィードフォワードニューラルネットワークを訓練する。
• トレーニングサンプルを用いてネットワークを最適化し、独立したテストサンプルを用いて信号効率およびバックグラウンド拒否性能を検証する。
• 欠落横断運動量やレプトン-ジェットインバリアント質量といった標準的な観測量を用いた従来の選別カットと性能を比較する。
• 多変量解析を活用して、単一変数カットでは捉えきれない高次元イベント空間内の微細なパターンを抽出する。

実験結果

リサーチクエスチョン

• RQ1 ニューラルネットワークは、従来の運動量選別手法に比べ、2HDMにおけるチャージドヒッグスボソンの検出感度を向上させることができるか？
• RQ2 ニューラルネットワークは、t̄t最終状態における主要なSMバックグラウンドから H+ → t̄b シグナルをどれほど効果的に識別できるか？
• RQ3 LHCおよびテバトロンのエネルギーにおけるニューラルネットワークの信号効率およびバックグラウンド拒否性能はいかほどか？
• RQ4 ニューラルネットワークベースの解析は、標準的なカットベースアプローチと比較して、有意性および発見可能性の観点でどのように異なるか？
• RQ5 ニューラルネットワークが、チャージドヒッグスボソンシグナルの識別に最も寄与すると考えられる主要な運動量変数は何か？

主な発見

• ニューラルネットワーク手法は、H+ → t̄b 崩壊チャンネルにおいて、従来の運動量カットに比べ、より高い信号効率および優れたバックグラウンド拒否性能を達成している。
• LHC（√s = 14 TeV）において、ニューラルネットワークは従来の選別手法に比べ、チャージドヒッグスボソン信号の有意性を約2倍に向上させた。
• この手法は、主要なQCDおよびトップペアバックグラウンドを効果的に低減しつつ、顕著な割合のシグナルイベントを保持している。
• 分析結果から、高い欠落横断運動量および特定のジェット-レプトントポロジーを持つイベントに対して、ニューラルネットワークが特に感受性が高いことが示された。
• 多変量手法（例：ニューラルネットワーク）が、複数のジェットと欠落エネルギーを伴う複雑な最終状態におけるチャージドヒッグスボソンの探査に不可欠であることが明らかになった。
• 結果から、ニューラルネットワークは、将来のコライダー実験における2HDMフレームワーク下でのチャージドヒッグスボソン探索の範囲を顕著に拡大できる可能性がある。