[논문 리뷰] Measurements of inclusive and differential cross sections for top quark production in association with a Z boson in proton-proton collisions at $ \sqrt{s} $ = 13 TeV

Hayrapetyan, Aram, Aram Hayrapetyan외 2398명|arXiv (Cornell University)|2024. 01. 01.

Particle physics theoretical and experimental studies인용 수 1

한 줄 요약

이 논문은 CMS 데이터 138 fb⁻¹를 사용하여 √s = 13 TeV에서 양성자-양성자 충돌에서 Z 보손과 함께 생성된 탑 쿼크의 포함형 및 미분형 단면적을 동시에 측정한 최초의 결과를 제시한다 (ttZ + tWZ 및 tZq). 다중클래스 딥 네URAL 네트워크를 사용하여 이벤트를 ttZ + tWZ, tZq 및 배경 카테고리로 분류하고, 체계적 불확실성과 상관관계를 고려하여 프로파일 가능도 피팅을 통해 단면적을 추출하였다. 포함형 단면적은 ttZ + tWZ의 경우 1.14 ± 0.07 pb, tZq의 경우 0.81 ± 0.10 pb로 측정되었으며, 이는 표준모형 예측과 양호한 일치를 보였다.

ABSTRACT

Measurements are presented of inclusive and differential cross sections for Z boson associated production of top quark pairs ($\mathrm{t\bar{t}}$Z) and single top quarks (tZq or tWZ). The data were recorded in proton-proton collisions at a center-of-mass energy of 13 TeV, corresponding to an integrated luminosity of 138 fb$^{-1}$. Events with three or more leptons, electrons or muons, are selected and a multiclass deep neural network is used to separate three event categories, the $\mathrm{t\bar{t}}$Z and tWZ processes, the tZq process, and the backgrounds. A profile likelihood approach is used to unfold the differential cross sections, to account for systematic uncertainties, and to determine the correlations between the two signal categories in one global fit. The inclusive cross sections for a dilepton invariant mass between 70 and 110 GeV are measured to be 1.14 $\pm$ 0.07 pb for the sum of $\mathrm{t\bar{t}}$Z and tWZ, and 0.81 $\pm$ 0.10 pb for tZq, in good agreement with theoretical predictions.

연구 동기 및 목표

• √s = 13 TeV에서 양성자-양성자 충돌에서 Z 보손과 함께 생성된 탑 쿼크의 포함형 및 미분형 단면적을 측정하기 위해.
• ttZ + tWZ 및 tZq 과정의 단면적을 동시에 추출하여 그 상관관계를 직접 측정하기 위해.
• 전역 피팅을 통해 다수의 탑-Z 생성 채널 데이터를 통합하여 새로운 물리 현상 탐지 민감도를 향상시키기 위해.
• 고정밀도 데이터를 활용하여 양자 chromodynamics의 선행순서 이론 예측 및 몬테카를로 시뮬레이터의 정확성을 검증하기 위해.
• 비순수 레프톤과 WZ 생성과 같은 배경 기여를 줄이기 위해 고도의 다중클래스 분류 기법을 적용하기 위해.

제안 방법

• 세 개 이상의 고립된 레프톤(전자 또는 뮤온)을 포함하는 이벤트를 선별하며, 그 중 두 개는 Z 보손 후보로 구성된다.
• 다중클래스 딥 네URAL 네트워크(DNN)가 세 카테고리(기여 신호, tZq 신호, 배경)에 대해 가능도 점수를 할당한다.
• DNN는 주로 비순수 레프톤과 WZ 생성과 같은 주요 배경과 신호 과정을 구분하도록 훈련된다.
• 포괄적 및 미분형 단면적을 추출하기 위해 프로파일 가능도 피팅이 사용되며, 체계적 불확실성에 대한 부수적 매개변수를 동시에 제약 조건으로 설정한다.
• 검출기 효과와 분해능을 보정하기 위해 프로파일 가능도 접근법을 사용하여 미분형 분포를 복원한다.
• 두 신호 과정 간의 상관관계는 전역 피팅을 통해 직접적으로 결정되며, 이는 향후 효과적 필드 이론 분석에서 개선된 제약 조건을 가능하게 한다.

실험 결과

연구 질문

• RQ1 √s = 13 TeV에서 탑 쿼크 쌍 및 단일 탑 쿼크가 Z 보손과 함께 생성될 때의 포함형 및 미분형 단면적은 무엇인가?
• RQ2 측정된 ttZ + tWZ 및 tZq 단면적은 표준모형 예측과 어떻게 비교되는가?
• RQ3 ttZ + tWZ 및 tZq 신호 과정 간의 상관관계는 무엇이며, 이를 전역 피팅에서 어떻게 활용할 수 있는가?
• RQ4 비순수 레프톤과 WZ 생성은 이 최종 상태에서 배경에 얼마나 기여하는가?
• RQ5 다중클래스 딥 네URAL 네트워크는 높은 순도로 겹치는 탑-Z 생성 채널을 효과적으로 분리할 수 있는가?

주요 결과

• ttZ + tWZ 생성의 포함형 단면적은 1.14 ± 0.07 pb로 측정되었으며, 표준모형 예측과 일치한다.
• tZq 생성의 포함형 단면적은 0.81 ± 0.10 pb로 측정되었으며, 이론적 기대와 양호한 일치를 보였다.
• 측정된 단면적은 다음-최고차순 양자 색역학 예측와 양호한 일치를 보였다.
• ttZ + tWZ 및 tZq 신호 카테고리 간의 상관관계는 전역 피팅을 통해 직접적으로 결정되었으며, 향후 효과적 필드 이론 분석에서 개선된 민감도를 가능하게 하였다.
• 다중클래스 DNN는 신호 및 배경 카테고리 간의 효과적인 분리가 가능했으며, 비순수 레프톤과 WZ 이벤트에 의한 오염을 크게 감소시켰다.
• 미분형 단면적은 프로파일 가능도 접근법을 사용하여 복원되었으며, 검출기 효과와 체계적 불확실성을 고려한 높은 정밀도로 보정되었다.