[论文解读] Vector Boson Fusion Production of the Standard Model Higgs at the LHC
本文提出了一套全面的策略,用于在大型强子对撞机(LHC)上通过矢量玻色子融合(VBF)过程探测标准模型的希格斯玻色子,重点关注ττ、WW和γγ衰变道。通过采用先进的喷流与轨迹相关拒止技术抑制QCD背景,研究表明:在30 fb⁻¹的亮度下,H→ττ(115–140 GeV)可实现3σ显著性,H→γγ可实现2σ显著性,而H→WW在140–200 GeV范围内具备5σ发现潜力。
The cross section measurements of the Higgs boson production in the vector boson fusion (VBF) process at the LHC followed by a Higgs boson decay into tautau, WW and gamma gamma will significantly extend the possibility of Higgs boson coupling measurements. Prospective analyses with the CMS experiment are discussed for the H-> gammagamma, WW and tautau decay channels for an integrated LHC luminosity of 30 fb-1. For a Higgs boson mass in the range 115 to 140 GeV, an observation with a significance above 2 standard deviations is expected in the H to gammagamma channel, and above 3 standard deviations in the H to tautau channel. The H to WW channel offers a discovery reach above 5 sigma in the mass range 140 to 200 GeV. A new complete strategy is presented for the control of systematics and early searches at very low luminosities of the order of 1 fb-1.
研究动机与目标
- 开发适用于LHC早期VBF希格斯玻色子搜索的稳健选择策略,数据亮度较低(1 fb⁻¹)。
- 通过喷流与轨迹相关拒止技术,提升VBF希格斯产生过程中信号与背景的区分能力。
- 评估在30 fb⁻¹亮度下,VBF希格斯玻色子在H→ττ、H→WW和H→γγ衰变道中的发现潜力。
- 利用数据驱动技术精确建模ττ末态中的Z→ττ背景。
提出的方法
- 采用基于电磁量能器喷流横向能量的中央喷流拒止(CJV),以抑制QCD背景。
- 使用轨迹计数拒止(TCV),设定轨迹横向动量与轨迹数量的阈值,以增强信号选择。
- 定义α₃j = ΣpTtrk / ETj3,以将喷流关联至信号顶点,排除堆叠效应贡献。
- 在H→ττ衰变模式中,应用共线近似以重建双τ粒子的不变质量。
- 采用轮廓似然法,对信号截面乘以分支比设置95%置信水平上限。
- 通过将Z→μμ事例中的μ子替换为模拟的τ轻子及其探测器响应,实现Z→ττ背景的建模。
实验结果
研究问题
- RQ1在30 fb⁻¹亮度下,H→ττ通道中预期观测到VBF希格斯玻色子的显著性是多少?
- RQ2TCV算法在VBF希格斯搜索中能否实现与CJV相当的信号-背景区分能力?
- RQ3在120–250 GeV质量范围内,H→WW通道在VBF模式下的发现可达范围如何?
- RQ4在早期LHC搜索中,使用数据驱动技术对Z→ττ背景的建模效果如何?
- RQ5在1 fb⁻¹数据下,VBF H→ττ通道中希格斯玻色子截面乘以分支比的预期上限是多少?
主要发现
- 对于135 GeV的希格斯玻色子质量,30 fb⁻¹亮度下H→ττ通道的统计显著性预计为3.98σ。
- 在30 fb⁻¹亮度下,H→γγ通道对115至140 GeV之间的希格斯质量,显著性高于2σ。
- 在30 fb⁻¹亮度下,H→WW通道对140至200 GeV之间的希格斯质量,具备5σ发现潜力。
- 在60 fb⁻¹数据下,H→γγ通道对115至130 GeV之间的希格斯质量,显著性可达3σ。
- TCV算法的区分能力与CJV相当,最优性能出现在第三喷流ET阈值约为80%信号效率且背景效率低于50%时。
- 数据驱动的Z→ττ背景建模技术在真实与模拟的双τ质量分布之间表现出良好一致性,验证了其在早期搜索中的适用性。
更好的研究,从现在开始
从阅读论文到最终审阅,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。