[論文レビュー] Resurrecting $ b\overline{b}h $ with kinematic shapes

Christophe Grojean, Ayan Paul+1 more|arXiv (Cornell University)|Jan 1, 2020

Particle physics theoretical and experimental studies参考文献 69被引用数 2

ひとこと要約

本論文は、将来のハドロン衝突機における主要なバックグラウンドを遮蔽する $ b\bar{b}h $ 信号を分離するために、解釈可能な機械学習を用いた運動的形状解析を提案する。これにより、$ y_b $ の位相を含む bottom クォークのヤコビアンカップリング $ y_b $ に対する制約が可能になる。ブーストド ディシジョンツリーにシャープレイ値を適用することで、$ y_b $-駆動の $ b\bar{b}h $ 生産と $ y_t $-駆動および不削除可能な $ Zh $ バックグラウンドを分離するための主要な運動的変数を同定し、HL-LHC では $ \kappa_b $ に対して 2.2% の感度を達成し、FCC-hh では 1% 未満の感度を達成する。

ABSTRACT

The associated production of a $b\bar{b}$ pair with a Higgs boson could provide an important probe to both the size and the phase of the bottom-quark Yukawa coupling, $y_b$. However, the signal is shrouded by several background processes including the irreducible $Zh, Z o b\bar{b}$ background. We show that the analysis of kinematic shapes provides us with a concrete prescription for separating the $y_b$-sensitive production modes from both the irreducible and the QCD-QED backgrounds using the $b\bar{b}\gamma\gamma$ final state. We draw a page from game theory and use Shapley values to make Boosted Decisions Trees interpretable in terms of kinematic measurables and provide physics insights into the variances in the kinematic shapes of the different channels that help us complete this feat. Adding interpretability to the machine learning algorithm opens up the black-box and allows us to cherry-pick only those kinematic variables that matter most in the analysis. We resurrect the hope of constraining the size and, possibly, the phase of $y_b$ using kinematic shape studies of $b\bar{b}h$ production with the full HL-LHC data and FCC-hh.

研究の動機と目的

• 将来の衝突機における不削除な $ Zh $ バックグラウンドが $ b\bar{b}h $ 信号を隠蔽するという課題を克服すること。
• 信号-バックグラウンド分離に最も関連する運動的変数を同定する、解釈可能な機械学習フレームワークの開発。
• $ b\bar{b}\gamma\gamma $ 終状態を用いた HL-LHC および FCC-hh における bottom クォークのヤコビアンカップリング $ y_b $ の大きさと位相の測定可能性の検討。
• 高エネルギー物理学の解析においてブラックボックス型機械学習モデルの代替として、物理的解釈可能性を持つ代替手法の提供。

提案手法

• 各運動的変数が信号-バックグラウンド分離に寄与する程度を定量化するために、ブーストドディシジョンツリー（BDT）にシャープレイ値を適用。
• シャープレイ値を用いて、BDT 決定を物理的運動的観測量の観点から解釈し、最も判別能の高い変数を同定。
• モンテカルロ法を用いて、HL-LHC（6 ab⁻¹）および FCC-hh（30 ab⁻¹）における $ b\bar{b}h $、$ Zh $、QCD-QED $ b\bar{b}\gamma\gamma $ の過程をシミュレーション。
• $ b\bar{b}\gamma\gamma $ 終状態の運動的形状に対する多変量解析を実施し、$ y_b^2 $-および $ y_t^2 $-駆動寄与を分離。
• 分類性能を検証するために、12層および1層あたり64ノードの深層ニューラルネットワーク（DNN）を用いた混同行列を構築。
• ループ誘導型ヒッグスカップリングを通じて、有効カップリング $ \kappa_g $、$ \kappa_\gamma $、および $ \tilde{\kappa}_g $ を $ \kappa_b $ および $ \tilde{\kappa}_b $ に結びつけ、グローバルな有効場理論の一貫性チェックを実施。

実験結果

リサーチクエスチョン

• RQ1 解釈可能な機械学習を用いた運動的形状解析は、$ b\bar{b}h $ 信号抽出における不削除な $ Zh $ バックグラウンドの課題を克服できるか？
• RQ2 $ y_b $-駆動の $ b\bar{b}h $ と $ y_t $-駆動および $ Zh $ 寄与を区別するために、どの運動的変数が最も重要か？
• RQ3 HL-LHC および FCC-hh における $ b\bar{b}\gamma\gamma $ 終状態を用いた場合、$ \kappa_b $ およびその CP 違反位相に対する予想される感度はどの程度か？
• RQ4 理論的および系統的不確実性は、$ b\bar{b}h $ チャネルにおける $ \kappa_b $ への感度にどのように影響するか？
• RQ5 $ b\bar{b}h $ 生産から得られる $ \kappa_b $ および $ \tilde{\kappa}_b $ に対する制約は何か？ また、EDM 結果と比較するとどうなるか？

主な発見

• シャープレイ値解析により、$ m_{bb} $、$ p_{T}^{\gamma\gamma} $、$ H_T $、および $ m_{b_1h} $ が $ y_b^2 $ と $ y_t^2 $ 寄与を分離する上で最も判別能の高い運動的変数であると同定された。
• HL-LHC（6 ab⁻¹）では、$ \kappa_b $ に対して 2.2% の感度を達成し、$ Vh \to b\bar{b} $ チャネルからの予想限界と一致した。
• FCC-hh（30 ab⁻¹）では、感度が $ \kappa_b $ に対して 1% 未満に向上し、高精度な $ y_b $ カップリング測定の可能性を示した。
• DNN の混同行列から、HL-LHC における5チャンネル分離（信号、$ y_b^2 $、$ y_by_t $、$ y_t^2 $、$ Zh $）の分類精度が約 95% であった。
• 分析から、$ m_{bb} $ だけでは分離に不十分であるが、他の変数との相関が形状特徴を形成し、BDT がその特徴を活用できることを示した。
• $ b\bar{b}h $ 生産からの $ \tilde{\kappa}_b $ に対する制約は、特に複素 $ \kappa_b $-位相の状況下では、EDM 測定結果と同等の性能を示した。