[논문 리뷰] SFITTER: SUSY Parameter Analysis at LHC and LC

R. Lafaye, Tilman Plehn외 1명|ArXiv.org|2004. 04. 30.

Particle physics theoretical and experimental studies참고 문헌 17인용 수 53

한 줄 요약

SFITTER는 측정값 간의 전체 상관관계를 고려하여, 피팅과 다차원 격자 탐색을 결합함으로써 콜라이더 데이터로부터 초대칭(SUSY) 매개변수를 결정하는 데 사용되는 새로운 도구이다. 이 도구는 LHC와 선형 충돌기(LC)가 서로 보완적인 MSSM 영역을 탐색하며, 둘의 데이터를 함께 사용할 경우 약한 스케일에서의 SUSY 매개변수를 모델에 종속되지 않고 정밀하게 결정할 수 있음을 보여준다.

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.

연구 동기 및 목표

• 특정 고스케일 SUSY 모델을 가정하지 않고 실험 측정값으로부터 약한 스케일 MSSM 매개변수를 결정하기 위한 견고한 프레임워크를 개발하는 것.
• 복잡한 혼합과 양자역학적 군 수렴에 의해 연결된 질량과 결합 상수 간의 비독립적이고 상관관계가 있는 측정값 문제를 다루는 것.
• LHC와 선형 충돌기(LC)의 데이터를 함께 사용할 경우 전체 MSSM 매개변수를 더 잘 제약할 수 있음을 보여주며, 단독으로 사용할 경우보다 우월함을 입증하는 것.
• 상관관계 행렬, 고정 매개변수, 실험적 스메어링 기능을 포함한 다양한 설정을 지원하는 유연하고 확장 가능한 도구를 제공하는 것.
• 콜라이더 데이터로부터 완전한 약한 스케일 매개변수 조합을 추출함으로써 SUSY 깨짐 시나리오를 모델에 종속되지 않고 탐색할 수 있도록 하는 것.

제안 방법

• SFITTER는 다차원 격자 스캔과 MINUIT를 사용한 매개변수 피팅 절차를 결합하여 전체 매개변수 공간을 탐색하고, 초깃값에 의존하는 편향을 피한다.
• 일반적인 상관관계 행렬을 통해 측정값 간의 전체 상관관계를 통합하여 피팅 과정에서 정확한 오차 전파를 보장한다.
• 기존의 이론적 코드를 활용한다: SUSPECT은 SUSY 스펙트럼 예측을 위해, MSMlib는 $e^+e^-$ 단면적과 분해비율을 위해, PROSPINO는 LHC 단면적을 위해 사용된다.
• 관측량에 대해 정규 분포 스메어링을 적용하여 현실적인 실험적 불확실성을 시뮬레이션하며, 피팅 중 일부 매개변수를 고정하여 딜레마를 줄이는 것이 가능하다.
• 향후 버전에서는 SDECAY를 이용한 분해비율 향상 및 SoftSUSY, SPHENO 등의 대안적 RGE 코드 통합을 통해 더 큰 유연성과 정확도를 확보할 예정이다.
• 이 프레임워크는 SUSY 르슈오 아코르드를 통해 모듈러하고 상호운용 가능하도록 설계되어, 다양한 스펙트럼 계산기 및 현상학 도구와의 통합을 가능하게 한다.

실험 결과

연구 질문

• RQ1 LHC와 LC 데이터의 통합 분석이 단독으로 사용할 경우보다 더 완전하고 정밀한 약한 스케일 MSSM 매개변수 결정을 가능하게 하는가?
• RQ2 LHC와 LC는 MSSM의 어떤 영역을 각각 탐색하며, 그 보완적인 정보는 어떻게 최적화하여 통합할 수 있는가?
• RQ3 전역 피팅 과정에서 측정값 간의 상관관계를 적절히 고려하지 않을 경우 편향되거나 과도하게 낙관적인 오차 추정이 발생할 수 있는가?
• RQ4 일부 매개변수를 고정하는 것(예: 쿼크 또는 힉스 섹터에서)이 나머지 매개변수의 정밀도에 어떤 영향을 미치는가?
• RQ5 격자와 피팅의 하이브리드 접근법이 초깃값에 대한 의존성을 제거하고 매개변수 공간의 더 견고한 탐색을 보장할 수 있는가?

주요 결과

• LHC 단독으로는 라이프톤과 가우지노 질량을 백분율 수준의 정밀도로 결정할 수 있으며(예: $\tilde{\chi}_1^0$: 0.05 GeV 오차), LC는 $M_2$와 $\mu$와 같은 약한 스케일 매개변수에서 뛰어난 정밀도를 제공한다.
• SPS1a 벤치마크에서 LHC+LC 조합은 $m_0$, $m_{1/2}$, $\tan\beta$의 오차를 0.1 GeV 이하로 줄여, 통합 데이터의 힘을 입증한다.
• LHC는 일반적으로 효과적으로 탐색할 수 없다고 여겨지는 약한 상호작용 입자(예: 카이너린, 중성노)에 민감함을 보이며, 이는 일반적인 가정과 반대된다.
• 일반 MSSM에서 LHC나 LC 중 어느 하나로도 결정되지 않는 13개의 매개변수 중 11개는 LHC와 LC 데이터를 함께 사용할 경우 정밀하게 제약된다.
• 분해비율과 단면적(예: $A_t$, $A_\tau$)의 포함은 특히 이론적 불확실성이 현재 정밀도를 제한하는 영역에서 삼중 결합 상수의 결정을 향상시킬 것으로 예상된다.
• LHC+LC 데이터 세트를 통해 어떤 매개변수를 고정하지 않더라도 약한 스케일 MSSM 매개변수 공간을 완전하고 과잉 제약된 방식으로 결정할 수 있으며, 이는 모델에 종속되지 않은 SUSY 매개변수 추출의 가능성을 확인한다.