[论文解读] Reconstructing events with missing transverse momentum at the LHC and its application to spin measurement

D. Horton|arXiv (Cornell University)|Jun 1, 2010

Particle physics theoretical and experimental studies参考文献 17被引用 5

一句话总结

该论文提出了一种针对大型强子对撞机（LHC）中具有缺失横向动量事件的概率性事例重建方法，用于测量新物理粒子的自旋量子数。通过结合测量到的可见动量与假设的质量及矩阵元，该方法重建了自旋敏感的运动学变量（如产生角）的概率分布，从而提升了不同自旋假设之间的区分能力——在100 fb⁻¹亮度下，区分超对称（SUSY）与额外维度（UED）模型的错误概率仅为3%，优于传统方法。

ABSTRACT

In this article we discuss the measurement of spin at the LHC, in events with two unknown four-momenta. Central to this problem is the identification of spin-dependent kinematic variables and the construction of a statistical test that can distinguish between different spin hypotheses. We propose a method for reconstructing kinematic variables that depend upon the unknown momenta. The method is based upon a probabilistic reconstruction of each event, given the masses of the final and intermediate states and the cross-section of the assumed hypothesis. We demonstrate that this method can distinguish between two spin hypotheses for a specific process, even after mass uncertainties and Standard Model backgrounds are taken into account. We compare our method with another that only utilises the observable momenta of each event. We will show that our method permits an improved discrimination between hypotheses, with a reduced probability of error.

研究动机与目标

• 为解决由于探测不到粒子而导致的缺失横向动量的新物理事例中自旋测量的挑战。
• 开发一种重建依赖于未知动量的自旋敏感运动学变量的方法。
• 在仅使用可观测动量无法实现的情况下，提升对竞争性自旋假设（如SUSY与UED）的区分能力。
• 评估质量测量不确定性与标准模型背景下的鲁棒性。

提出的方法

• 对每个事例采用概率性重建，通过假设的理论模型（质量、耦合常数、自旋）和矩阵元对未观测到的动量进行积分。
• 通过在所有事例上求和 p(O|E_i, H)，构建每个运动学变量 O（如 cosθ_A, β_A）的分布 q_H(O)，其中 H 为假设模型。
• 应用似然比检验 ln(r) 比较观测到的 q_H(O) 与每个假设下预期的 p(O|H)。
• 使用部分子级模拟，包含标准模型背景和事例选择，测试该方法在选择型自费米子对产生中的表现。
• 将该方法与仅使用可观测 cosθ_ll 变量的传统方法进行性能对比。
• 在10%质量不确定性下评估显著性（α）与统计功效（1−β），以检验其鲁棒性。

实验结果

研究问题

• RQ1 在具有缺失横向动量的事例中，能否有效重建依赖于未知动量的自旋敏感运动学变量？
• RQ2 与仅使用可观测动量的方法相比，所提出的概率性重建方法在自旋假设区分方面有何改进？
• RQ3 10%的质量测量不确定性对自旋区分测试性能有何影响？
• RQ4 该方法能否在选择型自费米子对产生中以高统计功效区分SUSY与UED模型？
• RQ5 该方法在部分子级下对标准模型背景和事例选择效应是否具有鲁棒性？

主要发现

• 该方法在使用100 fb⁻¹亮度时，区分SUSY与UED模型的错误概率约为3%。
• 基于 q_H(cosθ_A) 的检验在3.3%显著性水平下达到98.3%的功效，且在10%质量不确定性下仍保持鲁棒。
• 基于 q_H(cosθ_A, β_A) 的检验在质量不确定性下性能下降，当 m_A 被低估10%时，功效降至95.2%。
• 仅使用 cosθ_ll 的传统方法错误概率约为15%，显著劣于所提出的方法。
• 该方法对 cosθ_A 等变量在质量不确定性下表现鲁棒，但对 β_A 等依赖质量假设的变量性能下降。
• 结合多个独立变量可提升区分能力，但增益程度取决于质量测量不确定性。