[論文レビュー] SFITTER: SUSY Parameter Analysis at LHC and LC

R. Lafaye, Tilman Plehn+1 more|ArXiv.org|Apr 30, 2004

Particle physics theoretical and experimental studies参考文献 17被引用数 53

ひとこと要約

SFITTER は、フィットと多次元グリッドを組み合わせ、測定値間の完全な相関を組み込むことで、コライダー・データから超対称性（SUSY）パラメータを決定するための新規ツールである。LHC と Linear Collider（LC）は、MSSM の補完的領域を探索しており、両者のデータを統合することで、特に両コライダーのデータを併用した場合に、弱スケールのSUSYパラメータをモデルに依存しない形で高精度に決定できることが示された。

ABSTRACT

SFITTER is a new analysis tool to determine supersymmetric model parameters from collider measurements. Using the set of supersymmetric mass measurements at the LC and at the LHC we show how both colliders probe different sectors of the MSSM Lagrangian. This observation is a strong motivation to move from a parameter fit assuming a certain model to the unconstrained weak-scale MSSM Lagrangian. We argue how the technical challenges can be dealt with in a combined fit/grid approach with full correlations.

研究の動機と目的

• 特定の高スケールSUSYモデルを仮定せずに、実験的測定から弱スケールMSSMパラメータを決定するための堅牢なフレームワークの構築。
• 質量と結合定数が複雑な混合とランゲル・グローバル走査によって関連づけられるMSSMにおいて、非独立で相関のある測定の課題に対処すること。
• LHC と Linear Collider（LC）の両方のデータを統合することで、MSSMパラメータの全セットを制約する能力が、いずれのコライダー単独よりも優れていることを実証すること。
• 相関行列、固定パラメータ、実験的スミアリングに対応できる柔軟で拡張可能なツールを提供すること。
• コライダー・データから完全な弱スケールパラメータ集合を抽出することで、SUSY破れのシナリオをモデルに依存しない形で探査することを可能にすること。

提案手法

• SFITTER は、多次元グリッド走査とパラメータフィッティング手順（MINUITを用いて）を組み合わせ、初期フィットのスタートポイントに依存しない偏りのないパラメータ空間探索を実現する。
• 一般相関行列を用いて測定値間の完全な相関を組み込み、フィットにおける誤差の正確な伝播を保証する。
• 既存の理論的コードを用いる：SUSPECT はSUSYスペクトル予測に、MSMlib は $e^+e^-$ 戦術断面積と分岐比に、PROSPINO はLHC 戦術断面積に使用する。
• 観測量のガウス的スミアリングをサポートし、現実的な実験的不確実性を再現可能であり、フィット中に特定のパラメータを固定することでデゲネラシーを低減可能である。
• 今後のバージョンでは、分岐比に向けたSDECAY や、代替のRGEコード（例：SoftSUSY、SPHENO）の統合により、より高い柔軟性と正確性を実現する予定である。
• フレームワークはモジュール型であり、SUSY Les Houches Accord を介して相互運用可能であり、さまざまなスぺクトル計算機や現象論的ツールとの統合を可能にしている。

実験結果

リサーチクエスチョン

• RQ1 LHC と LC のデータを統合した分析は、いずれのコライダー単独よりも、弱スケールMSSMパラメータのより包括的かつ高精度な決定を可能にするか？
• RQ2 LHC と LC はMSSMのどの領域をそれぞれ探査しており、それらの補完的情報を最適に統合する方法は何か？
• RQ3 グローバルフィットにおいて測定値間の相関を適切に扱うことで、偏ったまたは楽観的な誤差推定を回避できるか？
• RQ4 特定のパラメータ（例：クォークやヒッグス系）を固定した場合、残りのパラメータの精度にどのような影響を与えるか？
• RQ5 グリッドとフィットを組み合わせたハイブリッド手法は、初期フィットのスタートポイントに依存しないことを保証し、パラメータ空間のより堅牢な探索を可能にするか？

主な発見

• LHC 単独では、スlepton やゲージノの質量（例：$\tilde{\chi}_1^0$：0.05 GeV の誤差）をパーセントレベルの精度で決定できるが、LC は $M_2$ や $\mu$ のような弱スケールパラメータにおいて優れた精度を示す。
• SPS1a ベンチマークにおいて、LHC+LC 組み合わせにより $m_0$、$m_{1/2}$、$\tan\beta$ の誤差が 0.1 GeV 未満にまで低下し、統合データの強力さが示された。
• LHC は、チャリオンやニュートラリノのような弱い相互作用を示す粒子にも感度を持つことが示された。これは、LHC がこうした状態を効果的に探査できないという一般的な仮定に反する。
• 一般MSSMにおいて、LHC または LC 両方のデータで未決定だった13パラメータのうち11パラメータが、両コライダーのデータを統合することで高精度に制約された。
• 分岐比や断面積（例：$A_t$、$A_\tau$）の組み込みにより、特に理論的不確実性が精度を制限している分野において、三体結合定数の決定がさらに向上すると予想される。
• LHC+LC の統合データセットにより、いかなるパラメータも固定せず、弱スケールMSSMパラメータ空間を完全かつ過剰に制約可能な形で決定可能であり、モデルに依存しないSUSYパラメータ抽出の実現可能性が確認された。