[论文解读] Probing the scale of New Physics at the LHC
本文提出一种基于贝叶斯可信区间统计方法,用于在有效场论框架下探测新物理(NP)的尺度,结合近期LHC数据应用于标准模型希格斯 sector。结果表明,在95%可信水平下,对于所有维度更高的对称算符,可测试的新物理尺度范围为[10, 260] TeV;对于圈图抑制的场强-希格斯算符,该范围为[28, 1200] TeV,强调了需要更具体的紫外(UV)模型才能探测更低的新物理尺度。
We present a technique to determine the scale of New Physics (NP) compatible with any set of data, relying on well-defined credibility intervals. Our approach relies on the statistical view of the effective field theory capturing New Physics at low energy. We introduce formally the notion of testable NP and show that it ensures integrability of the posterior distribution. We apply our method to the Standard Model Higgs sector in light of recent LHC data, considering two generic scenarios. In the scenario of democratic higher dimensional operators generated at one-loop, we find the testable NP scale to lie within $[10,260]$ TeV at $95\%$ Bayesian credibility level. In the scenario of loop-suppressed field strength-Higgs operators, the testable NP scale is within $[28,1200]$ TeV at $95\%$ Bayesian credibility level. More specific UV models are necessary to allow lower values of the NP scale.
研究动机与目标
- 开发一种统计上稳健的方法,以确定与实验数据相容的新物理尺度。
- 在有效场论中形式化“可测试新物理”的概念,确保后验分布的可积性。
- 将该方法应用于标准模型希格斯 sector,基于近期LHC数据。
- 量化在不同算符情景下可行的新物理尺度范围。
- 评估为探测更低的新物理尺度,是否需要特定的紫外(UV)模型。
提出的方法
- 该方法采用贝叶斯推断,基于有效场论计算新物理尺度的可信区间。
- 通过正式定义“可测试新物理”来保证后验分布的可积性。
- 该方法依赖于基于LHC希格斯数据推导出的似然函数,假设低能有效场论描述成立。
- 建模了两种不同的新物理情景:一种是单圈生成的对称算符,另一种是圈图抑制的场强-希格斯算符。
- 分析使用蒙特卡洛采样或数值积分,计算新物理尺度的95%贝叶斯可信区间。
- 该方法确保在整个参数空间中后验分布定义良好且具有物理意义。
实验结果
研究问题
- RQ1在有效场论框架下,LHC可探测的新物理尺度范围是什么?
- RQ2不同的算符结构(对称算符 vs. 圈图抑制)如何影响推断的新物理尺度?
- RQ3在不假设特定紫外完成的情况下,当前LHC数据能在多大程度上约束新物理尺度?
- RQ4后验可积性在确保新物理尺度可靠统计推断中起到什么作用?
- RQ5当前数据是否足以探测低于100 TeV的新物理尺度,还是需要更具体的紫外(UV)模型?
主要发现
- 对于单圈生成的对称更高维算符,新物理尺度的95%贝叶斯可信区间为[10, 260] TeV。
- 对于圈图抑制的场强-希格斯算符,95%可信区间为[28, 1200] TeV。
- 通过正式引入“可测试新物理”的概念,该方法确保了后验分布定义良好且可积。
- 结果表明,仅凭当前LHC数据,若无额外理论输入,无法探测低于约10–30 TeV的新物理尺度。
- 为探测此处推断范围以下的新物理尺度,需要更具体的紫外(UV)模型。
- 分析表明,新物理尺度的统计约束在很大程度上取决于所假设的算符结构和紫外完成。
更好的研究,从现在开始
从论文设计到论文写作,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。