[论文解读] Search for ${ ext {Z}{}{}} { ext {Z}{}{}} $ and ${ ext {Z}{}{}} { ext {H}{}{}} $ production in the ${ ext {b}{}{}} {\bar{{ ext {b}{}{}}}{}{}} { ext {b}{}{}} {\bar{{ ext {b}{}{}}}{}{}} $ final state using proton-proton collisions at $\sqrt{s}=13\, ext {Te}\hspace{-.08em} ext {V}

CMS Collaboration, Hayrapetyan, Aram+2352 more|arXiv (Cornell University)|Jan 1, 2024

Particle physics theoretical and experimental studies被引用 1

一句话总结

本论文利用CMS探测器在√s = 13 TeV下收集的133 fb⁻¹质子-质子碰撞数据，搜索了bbbb末态中的ZZ与ZH玻色子对产生过程。研究提出了一种新型多类别多变量分类器，采用卷积层解决喷注配对问题，并引入一种数据驱动的多维背景模型，通过半球混合生成的合成数据样本进行验证，实现了ZZ和ZH过程在95%置信水平下观测（预期）上限分别为标准模型截面的3.8（3.8）倍和5.0（2.9）倍。

ABSTRACT

A search for ZZ and ZH production in the $\mathrm{b\bar{b}b\bar{b}}$ final state is presented, where H is the standard model (SM) Higgs boson. The search uses an event sample of proton-proton collisions corresponding to an integrated luminosity of 133 fb$^{-1}$ collected at a center-of-mass energy of 13 TeV with the CMS detector at the CERN LHC. The analysis introduces several novel techniques for deriving and validating a multi-dimensional background model based on control samples in data. A multiclass multivariate classifier customized for the $\mathrm{b\bar{b}b\bar{b}}$ final state is developed to derive the background model and extract the signal. The data are found to be consistent, within uncertainties, with the SM predictions. The observed (expected) upper limits at 95% confidence level are found to be 3.8 (3.8) and 5.0 (2.9) times the SM prediction for the ZZ and ZH production cross sections, respectively.

研究动机与目标

• 在bbbb末态中搜索ZZ与ZH产生过程，该过程是测量希格斯自耦合常数的关键通道。
• 解决QCD多喷注背景建模中因模拟精度不足和样本数量有限带来的挑战。
• 通过引入基于合成数据样本的数据驱动验证方法，减少背景外推带来的系统性不确定度。
• 开发并验证一种专用于4b末态的多类别多变量分类器，以增强信号与背景的区分能力及背景建模精度。
• 为未来在高亮度LHC（HL-LHC）上通过4b衰变模式观测希格斯玻色子对产生提供基础。

提出的方法

• 设计了一种包含卷积神经网络层的多类别多变量分类器，以解决4b末态中的喷注组合问题。
• 该分类器用于区分信号（ZZ/zh）与背景（QCD多喷注）事件，并用于推导与验证背景模型。
• 通过半球混合方法生成合成数据样本，以实现对背景模型外推至信号区域的直接验证。
• 利用数据中的控制区域构建背景模型，并在统计独立区域进行验证，不确定性来源于有限样本大小。
• 通过专用控制样本与模拟数据评估喷注能量标度、堆堆积效应及探测器效应带来的系统性不确定度。
• 采用Profile-likelihood比值检验方法，设定观测值与预期值在95%置信水平下的信号强度上限。

实验结果

研究问题

• RQ1 能否通过半球混合生成的合成数据样本，在信号区域有效验证一种数据驱动的多维背景模型？
• RQ2 该多类别多变量分类器在4b末态中在多大程度上提升了信号与背景的分离能力及背景建模精度？
• RQ3 在13 TeV下，bbbb末态中ZZ与ZH产生截面的观测值与预期值上限分别是多少？
• RQ4 与传统的矩阵方法外推相比，新的背景建模技术在多大程度上降低了系统性不确定度？
• RQ5 所开发的技术能否直接应用于更具挑战性的希格斯玻色子对（HH）产生过程在4b末态中的搜索？

主要发现

• 数据在不确定度范围内与标准模型预测一致，未观测到显著过量。
• ZZ产生截面的观测95%置信水平上限为标准模型预测值的3.8倍，预期上限为标准模型值的3.8倍。
• ZH产生截面的观测95%置信水平上限为标准模型预测值的5.0倍，预期上限为标准模型值的2.9倍。
• 采用半球混合生成的合成数据样本，使背景模型在信号区域的验证成为可能，减少了对控制区域外推的依赖。
• 多类别多变量分类器有效解决了喷注配对问题，并提升了4b末态中的信号灵敏度。
• 所开发的背景建模与验证技术可直接应用于4b衰变模式中希格斯玻色子对产生的搜索。