[论文解读] Measurement of the radius dependence of charged-particle jet suppression in Pb-Pb collisions at $\sqrt{s_{ m NN}}$ = 5.02 TeV

Acharya, Shreyasi, Adamova, Dagmar+1040 more|arXiv (Cornell University)|Mar 1, 2023

High-Energy Particle Collisions Research被引用 1

一句话总结

本论文首次在√sNN = 5.02 TeV的Pb–Pb碰撞中，基于喷注分辨率参数R，对带电粒子喷注抑制进行了微分测量，采用了一种基于机器学习的新型背景抑制技术。研究揭示了R和中心度相关的轻微抑制模式，将喷注抑制测量扩展至R = 0.6时中心碰撞的pT ≥ 40 GeV/c，为夸克-胶子等离子体中喷注淬火模型提供了关键约束。

ABSTRACT

The ALICE Collaboration reports a differential measurement of inclusive jet suppression using pp and Pb–Pb collision data at a center-of-mass energy per nucleon–nucleon collision $\sqrt{s_{ m NN}}$ = 5.02 TeV. Charged-particle jets are reconstructed using the anti-kT algorithm with resolution parameters R=0.2, 0.3, 0.4, 0.5, and 0.6 in pp collisions and R=0.2, 0.4, 0.6 in central (0–10%), semi-central (30–50%), and peripheral (60–80%) Pb–Pb collisions. A novel approach based on machine learning is employed to mitigate the influence of jet background. This enables measurements of inclusive jet suppression in new regions of phase space, including down to the lowest jet $p_T$ ≥40 GeV/c at R=0.6 in central Pb–Pb collisions. This is an important step for discriminating different models of jet quenching in the quark–gluon plasma. The transverse momentum spectra, nuclear modification factors, derived cross section, and nuclear modification factor ratios for different jet resolution parameters of charged-particle jets are presented and compared to model predictions. A mild dependence of the nuclear modification factor ratios on collision centrality and resolution parameter is observed. The results are compared to a variety of jet-quenching models with varying levels of agreement.

研究动机与目标

• 测量不同喷注分辨率参数R下的喷注抑制，以探究夸克-胶子等离子体中介质内能量损失机制。
• 将包括喷注抑制测量扩展至低横动量（pT ≥ 40 GeV/c）和大R值（最高至R = 0.6）区域，其中预计介质响应和能量输运效应更为显著。
• 采用基于机器学习的方法，减少背景污染，提升高多重度重离子环境中喷注动量重建的精度。
• 将测量得到的核修改因子（RAA）的R依赖性与理论喷注淬火模型进行比较，以区分竞争性的能量损失机制。

提出的方法

• 在pp碰撞中使用反-kT算法对R = 0.2、0.3、0.4、0.5和0.6的喷注进行重建，以及在Pb–Pb碰撞中对R = 0.2、0.4和0.6的喷注进行重建，覆盖三个中心度区间：0–10%（中心）、30–50%（半中心）和60–80%（外围）。
• 采用基于机器学习的方法，对喷注动量中的背景涨落进行建模并减去，以提升高多重度环境下的精度。
• 使用核修改因子RAA = (1/TAA) × (d²N/dpTdη) / (d²σpp/dpTdη) 来量化喷注抑制，其中TAA代表给定中心度区间内的核重叠函数。
• 执行去卷积程序，以校正残余展宽效应，并减少背景涨落带来的偏差。
• 在不同R值和碰撞中心度之间比较结果，以评估抑制对喷注几何形状和介质密度的依赖性。
• 通过与多个喷注淬火模型对比，评估模型与数据的一致性。

实验结果

研究问题

• RQ1 在√sNN = 5.02 TeV的Pb–Pb碰撞中，带电粒子喷注的核修改因子RAA如何随喷注分辨率参数R变化？
• RQ2 喷注抑制对碰撞中心度的依赖性如何？其随R的变化特征是什么？
• RQ3 包含大R喷注（R = 0.6）在多大程度上增强了对介质诱导能量损失和响应效应的敏感性？
• RQ4 现有喷注淬火模型在不同R值和中心度区间内，对观测到的RAA比值的再现能力如何？
• RQ5 基于机器学习的背景抑制方法是否能够在中心Pb–Pb碰撞中实现低pT（≥40 GeV/c）和大R条件下的可靠喷注测量？

主要发现

• 核修改因子RAA对分辨率参数R和碰撞中心度均表现出轻微依赖，其中较大R值在中心碰撞中表现出更小的抑制。
• 该测量将中心Pb–Pb碰撞中R = 0.6时的测量范围扩展至pT ≥ 40 GeV/c，首次进入了此前难以触及的相空间区域。
• 基于机器学习的背景减法方法成功降低了系统误差，并在高多重度环境中实现了精确的喷注动量重建。
• 不同R值下观测到的RAA比值与包含介质诱导辐射和动态能量输运的模型更为一致，优于仅考虑弹性散射的模型。
• 数据表现出非单调的R依赖性，表明介质诱导修正与喷注碎片化效应之间存在竞争。
• 结果为喷注淬火模型提供了强有力的约束，特别是在低pT和大R区域，该区域模型的区分能力最强。