[논문 리뷰] SFitter: Reconstructing the MSSM Lagrangian from LHC data

M. P. Rauch, R. Lafaye외 2명|ArXiv.org|2007. 10. 15.

Particle physics theoretical and experimental studies참고 문헌 13인용 수 8

한 줄 요약

SFitter는 LHC 데이터에서 MSSM 라그랑지안을 재구성하는 도구로, 고차원 매개변수 공간을 스캔하기 위해 가중치가 부여된 마르코프 체인 기법을 사용하며, 최적의 맞는 점과 가능도 지도를 생성한다. 이는 모형에 종속되지 않는 테바 스케일 MSSM 매개변수 추출과 우주론적 자료와의 암흑물질 잔류 밀도 호환성 테스트를 가능하게 한다.

ABSTRACT

Once supersymmetry is found at the LHC, the question arises what are the fundamental parameters of the Lagrangian. The answer to this question should thereby not be biased by assumptions on high-scale models. SFitter is a tool designed for this task. Taking LHC (and possibly ILC) data as input it scans the TeV-scale MSSM parameter space using its new weighted Markov chain technique. Using this scan it determines a list of best-fitting parameter points. Additionally a log-likelihood map is calculated, which can be reduced to lower-dimensional Frequentist's profile likelihoods or Bayesian probability maps.

연구 동기 및 목표

• 고차원의 상호상관관계가 높은 MSSM 매개변수 공간을 고차원 모형에 종속되지 않고 LHC 및 ILC 관측량과 연결한다.
• 이론적 가정을 최소화하여 실험 데이터로부터 테바 스케일 MSSM 매개변수와 그 불확실성을 추출한다.
• 가장 가벼운 중성보가 암흑물질 후보로써 우주론적 잔류 밀도 측정치와 호환되는지 테스트한다.
• 다양한 자료 유형(예: 운동에너지 끝점, 단면적, 분해비율)을 사용하여 라그랑지안 매개변수를 재구성하는 유연한 프레임워크를 제공한다.

제안 방법

• 최대 20차원의 MSSM 매개변수 공간을 최소한의 편향으로 탐색하기 위해 가중치가 부여된 마르코프 체인 몬테카를로 기법을 사용한다.
• 이론적 오차를 상자형으로 간주하고 실험적 오차와 제곱합으로 조합하는 RFit 체계에 기반한 가능도 함수를 사용한다.
• 유연한 제안 분포를 사용하여 메트로폴리스-한팅스 알고리즘을 적용하여 매개변수 공간을 샘플링하며, 적응적 탐색을 가능하게 한다.
• SLHA 형식을 통해 SoftSUSY, SuSPECT, ISASUSY 등의 스펙트럼 생성기와 Prospino2, Msmlib, SUSY-HIT 등의 단면적 계산기를 통합한다.
• micrOMEGAs를 사용하여 잔류 밀도를 계산하고 WMAP 자료와 비교하여 암흑물질의 타당성을 테스트한다.
• 빈도주의 프로파일 가능도와 베이지안으로 최종화된 사후 분포 지도를 모두 생성하며, 사전 분포 선택에 민감함을 보인다.

실험 결과

연구 질문

• RQ1 어떻게 특정 고스케일 모형을 가정하지 않고 LHC 데이터에서 MSSM 라그랑지안을 재구성할 수 있는가?
• RQ2 제약이 부족한 매개변수 영역에서 사전 분포 선택이 베이지안 최종화된 가능도 지도에 미치는 영향은 무엇인가?
• RQ3 충돌기 데이터가 고차원 공간에서 MSSM 매개변수와 그 불확실성에 얼마나 잘 제약을 가하는가?
• RQ4 현재 및 향후 충돌기 정밀도를 고려할 때, 가장 가벼운 중성보가 관측된 잔류 밀도와 얼마나 잘 일치하는가?
• RQ5 통계적 타당성과 물리적 통찰력을 유지하면서 가능도 지도를 저차원 프로젝션으로 줄일 수 있는가?

주요 결과

• SFitter는 LHC 데이터를 사용하여 SPS1a MSSM 점을 성공적으로 재구성하였으며, 잘 정의된 불확실성을 가진 일관된 최적의 매개변수 조합을 도출하였다.
• tanβ에 대한 베이지안 최종화된 사후 분포는 사전 분포 선택에 강하게 의존한다: B에 대해 균일한 사전 분포를 사용하면 낮은 tanβ에서 사전 분포에 의해 지배되는 피크가 나타나지만, tanβ에 대해 균일한 사전 분포를 사용하면 진짜 값에서 정확한 최댓값이 얻어진다.
• SPS1a의 잔류 밀도는 Ω_CDM h² = 0.1906 ± 0.0033로 추정되며, WMAP 값인 0.1277 ± 0.008을 초과하여 과잉수축을 나타낸다.
• 미래의 ILC 데이터는 추정된 잔류 밀도의 불확실성을 10배로 줄일 수 있으며, 이는 충돌기 기반 제약이 우주론적 측정치와 경쟁 가능하게 만든다.
• 가능도 지도는 안정적으로 계산되며, 프로파일 가능도 또는 최종화된 사후 분포로 축소 가능하여 빈도주의 및 베이지안 추론 모두를 가능하게 한다.
• 가중치가 부여된 마르코프 체인 기법은 복잡하고 상호상관관계가 높은 매개변수 공간을 효율적으로 탐색할 수 있으며, 고차원에서 고정 그리드 및 Minuit 방법보다 뛰어난 성능을 보인다.