[论文解读] Measurement of lepton-jet correlation in deep-inelastic scattering with the H1 detector using machine learning for unfolding

H Collaboration, V. Andreev+143 more|arXiv (Cornell University)|Aug 27, 2021

Particle physics theoretical and experimental studies参考文献 128被引用 4

一句话总结

本论文首次利用HERA的H1探测器，在高$Q^2$深度非弹性散射中测量了轻子-喷注动量不平衡（$q_{\mathrm{T}}^{\text{jet}}/Q$）和方位角相关性（$\Delta\phi$）。该研究采用了一种基于机器学习的新型去卷积方法MultiFold，实现了高维空间中的同时、无箱化去卷积，精确获取了横动量分布，并对横动量依赖（TMD）部分子分布函数提供了关键约束。

ABSTRACT

The first measurement of lepton-jet momentum imbalance and azimuthal correlation in lepton-proton scattering at high momentum transfer is presented. These data, taken with the H1 detector at HERA, are corrected for detector effects using an unbinned machine learning algorithm OmniFold, which considers eight observables simultaneously in this first application. The unfolded cross sections are compared to calculations performed within the context of collinear or transverse-momentum-dependent (TMD) factorization in Quantum Chromodynamics (QCD) as well as Monte Carlo event generators. The measurement probes a wide range of QCD phenomena, including TMD parton distribution functions and their evolution with energy in so far unexplored kinematic regions.

研究动机与目标

• 在高$Q^2$深度非弹性散射中测量轻子-喷注关联可观测量（$q_{\mathrm{T}}^{\text{jet}}/Q$ 和 $\Delta\phi$），以探测横动量依赖（TMD）部分子分布函数。
• 应用基于机器学习的去卷积方法（MultiFold）校正高维相空间中的探测器效应，实现真实分布的精确提取。
• 通过提供$Q^2 > 150$ GeV$^2$能区的高精度数据，弥合固定靶DIS实验与强子对撞机Drell-Yan测量之间的动量空间差距。
• 通过将数据与不同TMD集合的理论预测进行比较，检验TMD因子化、TMD演化和TMD普遍性的有效性。
• 为未来在电子-离子对撞机（EIC）上研究极化质子和核物质中喷注物理建立基准数据。

提出的方法

• 在事件中使用$R=1$的$k_{\mathrm{T}}$算法在实验室参考系中重建喷注，条件为$Q^2 > 150$ GeV$^2$ 且 $0.2 < y < 0.7$。
• 定义两个关键的TMD敏感可观测量：$q_{\mathrm{T}}^{\text{jet}}/Q$（轻子-喷注动量不平衡）和$\Delta\phi$（方位角相关性）。
• 应用MultiFold机器学习去卷积方法，在高维相空间中实现同时、无箱化的去卷积，避免了分箱处理并保留了分辨率。
• 使用蒙特卡罗模拟训练MultiFold模型，使其学习探测器响应并反演出真实的底层分布。
• 将去卷积后的数据与固定阶pQCD计算结果及多种TMD PDF集合（包括Cascade）的预测进行比较。
• 通过比较不同TMD集合之间的预测差异与实验及理论不确定度，评估不确定性。

实验结果

研究问题

• RQ1 在高-$Q^2$深度非弹性散射中，轻子-喷注动量不平衡（$q_{\mathrm{T}}^{\text{jet}}/Q$）和方位角相关性（$\Delta\phi$）的行为如何？
• RQ2 与传统分箱方法相比，基于机器学习的去卷积（MultiFold）在多大程度上能提升高维喷注可观测量的精度与分辨率？
• RQ3 所测量的轻子-喷注关联能否约束横动量依赖（TMD）部分子分布函数的普遍性与演化行为？
• RQ4 基于低-$Q^2$ HERA数据提取的TMD PDF的理论预测，与本研究中的高-$Q^2$数据相比表现如何？
• RQ5 这些数据对跨能量尺度的TMD与共线PDF全局拟合的约束能力如何？

主要发现

• 本测量首次实现了高-$Q^2$下对轻子-喷注动量不平衡（$q_{\mathrm{T}}^{\text{jet}}/Q$）的精确测定，该可观测量是探测TMD PDF的关键。
• 数据与使用低-$Q^2$半包容DIS提取的TMD PDF及部分子分支模型的理论预测高度一致。
• 实验不确定度与不同TMD集合（包括Cascade）预测结果之间的差异量级相当，表明对未来的TMD拟合具有强大约束力。
• TMD预测的差异程度与实验不确定度和固定阶理论不确定度的总和相当，表明该数据将有助于减少全球TMD分析中的模型依赖性。
• MultiFold去卷积的应用实现了高维、无箱化的去卷积，标志着实验高能物理在精确核子结构研究方面的重要里程碑。
• 结果为未来在电子-离子对撞机（EIC）上研究极化质子和核物质中的喷注物理提供了关键基线。