[논문 리뷰] Machine Learning-Assisted Measurement of Lepton-Jet Azimuthal Angular Asymmetries in Deep-Inelastic Scattering at HERA

The H1 Collaboration, V. Andreev외 142명|arXiv (Cornell University)|2024. 12. 18.

Particle physics theoretical and experimental studies인용 수 4

한 줄 요약

이 논문은 H1 검출기 데이터를 사용하여 HERA에서의 깊은 비탄성 산란에서 렙톤-제트의 앙비각도 비대칭을 측정하기 위한 기계학습 기반의 편개방 방법을 제시한다. 이 방법은 구간에 구애받지 않는 모멘트 추출을 가능하게 하여, 양자 색역학(QCD) 예측과 일치하는 작고 비영이 아닌 비대칭을 드러내며, 고운동량 영역($q_\perp > 3.0$ GeV)에서의 편차는 $P_\perp \gg q_\perp$ 근사의 붕괴 가능성을 시사한다.

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.

연구 동기 및 목표

• HERA에서의 깊은 비탄성 산란에서 렙톤-제트의 앙비각도 비대칭을 고정밀도로 측정하여 양자 색역학(QCD) 예측의 검증을 가능하게 한다.
• 구간에 구애받지 않는 기계학습 기반의 편개방 기법을 개발하고 적용하여, 모멘트 추출의 통계적 정밀도를 향상시키고 체계적 오차를 감소시킨다.
• 부드러운 글루온 복사가 비대칭에 기여하는 기여도를 정량화하여, 향후 전단 운동량 의존성(TMD) 구조 함수 측정의 배경을 이해한다.
• 이벤트 생성기(DJANGOH, RAPGAP, SHERPA, TXZ pQCD)와 TMD 모델(HXYZ)의 이론적 예측을 데이터와 비교하여 일치 여부를 평가한다.
• $P_\perp \gg q_\perp$ 근사가 붕괴되는 운동역학적 영역을 특정하고, 특히 $q_\perp > 3.0$ GeV에서의 특성과 포화 효과에 대한 모델 민감도를 평가한다.

제안 방법

• 구간에 구애받지 않는 기계학습 기반의 편개방 방법을 사용하여 비대칭의 모멘트를 추출함으로써 편향을 감소시키고 해상도를 향상시킨다.
• 시뮬레이션된 이벤트를 기반으로 훈련된, 미분 가능하고 종단 간 전이 신경망 아키텍처를 사용하여 검출기 수준의 분포를 진짜 수준의 모멘트로 매핑함으로써, 구간화에 기인한 왜곡을 최소화한다.
• 이론적 비대칭이 알려진 몽테카를로 시뮬레이션을 통해 검증되며, 모멘트 재구성의 강건성과 정확성을 보장한다.
• 분석은 $\vec{P}_\perp$와 $\vec{q}_\perp$ 사이의 각도 $\phi$에 대해 정의된 앙비각도 비대칭의 첫 세 개의 조화성분, 즉 $A_n = \langle \cos(n\phi) \rangle$에 집중한다.
• 이론적 예측(이벤트 생성기: DJANGOH, RAPGAP, SHERPA, TXZ pQCD; TMD 모델: HXYZ)을 $q_\perp$ 구간에 따라 데이터와 비교하여 일치 여부를 평가한다.
• 체계적 오차는 편개방 네트워크 아키텍처, 시뮬레이션 모델, 운동역학적 컷을 변화시켜 평가하여 신뢰할 수 있는 오차 추정을 확보한다.

실험 결과

연구 질문

• RQ1 비탄성 산란에서 $P_\perp \gg q_\perp$ 영역에서 측정된 렙톤-제트 앙비각도 비대칭은 양자 색역학의 고차원 예측과 어느 정도 일치하는가?
• RQ2 SHERPA, DJANGOH, RAPGAP 등의 다양한 이벤트 생성기의 성능은 $q_\perp$ 구간에 따라 어떻게 데이터와 비교되는가?
• RQ3 포화 효과를 포함한 HXYZ TMD 모델은 데이터와 일치하는가, 아니면 고 $q_\perp$ 영역에서 불일치하는가?
• RQ4 측정된 비대칭의 편차에 의해 나타나는 바와 같이, $P_\perp \gg q_\perp$ 근사는 어느 $q_\perp$ 값에서 붕괴되기 시작하는가?
• RQ5 비대칭 패턴을 기반으로, 포화 효과를 포함한 TXZ(GBW) 모델과 포함하지 않은 TXZ(CT18A) 모델을 데이터가 구분할 수 있는가?

주요 결과

• 측정된 비대칭은 작지만 비영이 아니며, 대부분의 데이터 포인트가 $q_\perp > 2$ GeV에서 0과 일치하여 부드러운 글루온 복사의 약한 신호를 시사한다.
• DJANGOH와 RAPGAP 이벤트 생성기는 모든 $q_\perp$ 구간에서 데이터와 양호한 일치를 보이며, 부드러운 글루온 효과 모델링의 신뢰성을 뒷받침한다.
• Pythia 튜닝 및 LO, NLO 수준의 SHERPA는 고 $q_\perp$ 영역에서 더 큰 편차를 보이며, 부분자 쇄 모델링의 한계를 시사한다.
• TXZ pQCD 계산치는 전반적으로 데이터와 잘 일치하지만, $3.0 < q_\perp < 4.0$ GeV 영역에서 첫 번째 조화성분에서 편차를 보이며, 이는 이 영역에서 $P_\perp \gg q_\perp$ 근사의 붕괴를 시사한다.
• HXYZ (TMD) 모델은 저 $q_\perp$ 영역에서 데이터와 일치하지만, 모든 세 개의 조화성분에서 $q_\perp > 3.0$ GeV에서 데이터와 불일치하며, 이는 포화 모델링 또는 매개변수화에 문제가 있을 수 있음을 시사한다.
• 현재 데이터는 포화 효과를 포함한 TXZ(GBW) 모델과 포함하지 않은 TXZ(CT18A) 모델을 구분할 수 없으며, 향후 낮은 $Q^2$ 영역 또는 eA 충돌에서의 측정이 이 모순을 해결하기 위해 필요하다.