[논문 리뷰] Neural Networks Search for Charged Higgs Boson of Two Doublet Higgs Model at the Hadrons Colliders

Nady Bakhet, Maxim Khlopov외 1명|arXiv (Cornell University)|2015. 07. 23.

Particle physics theoretical and experimental studies참고 문헌 3인용 수 4

한 줄 요약

이 논문은 테바트론과 LHC에서 양성자-양성자 및 양성자-양성자 충돌의 몬테카를로 시뮬레이션을 이용해 두 개의 힉스 보송 모델(2HDM)에서 이완된 힉스 보송의 신경망 기반 탐색을 제안한다. 탑 쿼크, 레프톤, 제트, 그리고 부족한 횡방향 운동량을 포함한 최종 상태를 분석함으로써, 전통적인 절단 기반 방법에 비해 신호 구분 능력이 향상되어 $pp(\bar{p}) \to t\bar{t} \to H^+b H^-\bar{b}$ 채널에서 이완된 힉스 보송 생성에 대한 감도가 향상됨을 보여준다.

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 $pp(\bar{p}) ightarrow t\bar{t} ightarrow H^{+}b H^{-}\bar{b}$

연구 동기 및 목표

• 표준 모형의 확장인 다섯 개의 힉스 보송(이중으로 빛나는 두 개 포함)을 포함하는 두 개의 힉스 더블릿 모형(2HDM)에서 이완된 힉스 보송 탐지의 기계학습 기반 접근법을 개발하기 위해.
• 전통적인 운동량 절단 방법을 초월하여 이완된 힉스 보송 탐색의 감도를 향상시키기 위해.
• 테바트론($\sqrt{s} = 1.96$ TeV)과 LHC($\sqrt{s} = 14$ TeV) 에너지에서 $pp(\bar{p}) \to t\bar{t} \to H^+b H^-\bar{b}$ 생성 및 붕괴 채널을 분석하기 위해.
• 다변량 분석을 이용해 신경망의 성능을 평가하여 표준 모형 배경과의 구분 능력을 평가하기 위해.

제안 방법

• 연구는 테바트론($\sqrt{s} = 1.96$ TeV)과 LHC($\sqrt{s} = 14$ TeV)에서 2HDM 과정 $pp(\bar{p}) \to t\bar{t} \to H^+b H^-\bar{b}$의 몬테카를로 시뮬레이션된 이벤트를 사용한다.
• 최종 상태는 전자, 뮤온, 다수의 제트, 그리고 부족한 횡방향 운동량을 포함하며, 탑 쿼크 붕괴와 뉴트리노에서 기인한 부족한 에너지를 특징으로 한다.
• 운동량 및 위상적 특징을 기반으로 이벤트를 신호(이완된 힉스 보송) 또는 배경(표준 모형 과정)으로 분류하기 위해 피드포워드 신경망을 훈련시킨다.
• 훈련 샘플을 사용해 네트워크를 최적화하고 독립된 테스트 샘플을 활용해 신호 효율성과 배경 기각 능력을 평가한다.
• 부족한 횡방향 운동량 및 레프톤-제트 인버턴트와 같은 표준 관측량을 사용한 전통적 선택 절단 방법과 성능을 비교한다.
• 단일 변수 절단으로 쉽게 포착되지 않는 고차원 이벤트 공간 내의 미세한 패턴을 추출하기 위해 다변량 분석을 활용한다.

실험 결과

연구 질문

• RQ1 신경망은 전통적인 운동량 선택 방법에 비해 2HDM에서 이완된 힉스 보송 탐지 감도를 향상시킬 수 있는가?
• RQ2 신경망은 $t\bar{t}$ 최종 상태에서 주요 SM 배경과의 구분에서 $H^+ \to t\bar{b}$ 신호를 얼마나 효과적으로 식별하는가?
• RQ3 LHC와 테바트론 에너지에서 신경망의 신호 효율성과 배경 기각 능력은 어떠한가?
• RQ4 신호의 유의성과 발견 잠재력 측면에서 신경망 기반 분석은 표준 절단 기반 접근법과 비교해 어떻게 다른가?
• RQ5 신경망가 가장 구분 능력이 높은 것으로 식별한 주요 운동량 변수는 무엇인가?

주요 결과

• 신경망 접근법은 $H^+ \to t\bar{b}$ 붕괴 채널에서 전통적인 운동량 절단 방법에 비해 높은 신호 효율성과 더 나은 배경 기각 능력을 확보한다.
• LHC($\sqrt{s} = 14$ TeV)에서 신경망은 전통적 선택 방법 대비 이완된 힉스 보송 신호의 유의성을 약 2배 향상시킨다.
• 이 방법은 주로 QCD 및 탑 쿼크 쌍 배경을 효과적으로 감소시키면서도 상당 부분의 신호 이벤트를 유지한다.
• 분석 결과, 부족한 횡방향 운동량이 높고 특정 제트-레프톤 위상 구조를 가진 이벤트에 대해 신경망이 특히 민감하게 반응함을 보여준다.
• 다변량 기법인 신경망이 다수의 제트와 부족한 에너지를 동반한 복잡한 최종 상태에서 이완된 힉스 보송을 탐색하는 데 필수적임을 입증한다.
• 결과적으로 신경망은 향후 2HDM 프레임워크 내에서 이완된 힉스 보송 탐색의 탐색 범위를 크게 향상시킬 수 있음을 시사한다.