Skip to main content
QUICK REVIEW

[论文解读] NLO corrections to Z production in association with several jets

Daniel Goetz, Christian Reuschle|arXiv (Cornell University)|Jul 1, 2014
Particle physics theoretical and experimental studies参考文献 22被引用 5
一句话总结

本论文首次通过一种新型数值方法,实现了对大型强子对撞机(LHC)上Z玻色子与五喷射态产生过程的NLO QCD修正的数值计算,该方法在部分子多重性上实现了多项式量级的缩放。该方法通过结合相空间积分与圈动量积分,实现了有限且可进行蒙特卡罗积分的NLO矩阵元,同时采用改进的红外与紫外减去技术,获得了在主导颜色近似下的初步截面结果,统计不确定性可控。

ABSTRACT

In this talk we report on first results from the NLO computation of Z production in association with five jets in hadron-hadron collisions. The results are obtained with the help of the numerical method, where apart from the phase space integration also the integration over the loop momentum is performed numerically. In addition we discuss several methods and techniques for the improvement of the Monte Carlo integration.

研究动机与目标

  • 计算质子-质子对撞中Z玻色子与五喷射态产生过程的下一阶修正(NLO)QCD修正。
  • 解决传统方法在高部分子多重性计算中呈阶乘或指数级缩放的挑战。
  • 开发并应用一种数值方法,通过结合圈动量积分与相空间积分,确保矩阵元有限且可积。
  • 通过在相空间与螺旋度角上实施局部减去技术,提升蒙特卡罗积分效率。
  • 在外部粒子数量上实现n³量级的多项式缩放,从而能够处理高多重性过程,如Z+5 jets。

提出的方法

  • 该数值方法将NLO截面重新表述为三项有限且可分别积分的项:真实发射项、虚修正项与插入项。
  • 将相空间积分与圈动量积分合并为单一蒙特卡罗积分,利用蒙特卡罗收敛性与维度无关的特性。
  • 对真实与虚修正贡献均应用红外与紫外减去项,确保即使在四维圈积分中也能获得有限结果。
  • 采用循环有序的原始振幅(cyclic-ordered primitive amplitudes),在外部粒子数量上实现n³量级的缩放,同时通过递归方法高效计算减去项。
  • 采用广义双体形式(generalized dipole formalism)以实现在螺旋度空间的局部减去,从而可在真实发射矩阵元中使用随机极化。
  • 计算采用主导颜色近似,使用CTEQ6M与CTEQ6L1部分子分布函数(PDFs),并包含αs的QCD跑动与PDF演化。

实验结果

研究问题

  • RQ1是否可成功将具有n³量级多项式缩放的数值方法应用于Z+5 jets的NLO QCD修正计算?
  • RQ2如何通过结合圈动量积分与相空间积分,为高多重性过程构造有限且可积的矩阵元?
  • RQ3在相空间与螺旋度角上实施局部减去,可在蒙特卡罗积分效率上带来哪些提升?
  • RQ4该数值方法如何同时处理虚修正与真实发射贡献中的红外与紫外发散?
  • RQ5NLO修正对Z+5 jets截面的影响大小如何?其统计不确定性随积分统计量如何变化?

主要发现

  • 首次使用具有n³量级多项式缩放的数值方法,计算了pp → Z + 5 jets过程的初步NLO QCD修正。
  • 主导颜色LO截面为σ_LO,lc = 0.138 ± 0.009 pb,NLO截面为σ_NLO,lc = 0.161 ± 0.113 pb。
  • NLO结果中较大的统计不确定性(±0.113 pb)预计可通过更高统计量与更长的蒙特卡罗运行时间减小。
  • 该方法通过将圈动量积分与相空间积分合并为单一数值积分,实现了有限且可进行蒙特卡罗积分的NLO矩阵元。
  • 采用循环有序原始振幅与递归减去技术,确保了真实与虚振幅的n³量级高效计算。
  • 计算在√s = 7 TeV下进行,使用CTEQ6M PDFs(NLO)与CTEQ6L1 PDFs(LO),标度选择基于横向动量之和的名义值。

更好的研究,从现在开始

从阅读论文到最终审阅,大幅缩短您的研究时间。

无需绑定信用卡

本解读由 AI 生成,并经人工编辑审核。