[论文解读] Yukawa coupling unification in an $\mathsf{SO(10)}$ model consistent with Fermilab $(g-2)_{\mu}$ result

Amin Aboubrahim, Pran Nath+1 more|arXiv (Cornell University)|Apr 20, 2021

Particle physics theoretical and experimental studies参考文献 85被引用 8

一句话总结

该论文提出了一种SO(10)大统一理论，其中第三代费米子的Yukawa耦合统一，且与费米实验室E989实验测得的4.2σ缪子反常磁矩偏差一致。通过使用神经网络探索超引力参数空间，识别出一个区域——特别是由胶微子驱动的电弱对称性自发破缺——在此区域内Yukawa统一与(g−2)μ异常共存，预测了具有轻 sleptons 和弱子的分裂超粒子谱，这些粒子在LHC上可被探测到。

ABSTRACT

We investigate the Yukawa coupling unification for the third generation in a class of $\mathsf{SO(10)}$ unified models which are consistent with the 4.2 $\sigma$ deviation from the standard model of the muon $g-2$ seen by the Fermilab experiment E989. A recent analysis in supergravity grand unified models shows that such an effect can arise from supersymmetric loops correction. Using a neural network, we further analyze regions of the parameter space where Yukawa coupling unification consistent with the Fermilab result can appear. In the analysis we take into account the contributions to Yukawas from the cubic and the quartic interactions. We test the model at the high luminosity and high energy LHC and estimate the integrated luminosities needed to discover sparticles predicted by the model.

研究动机与目标

• 研究在SO(10)大统一模型中，第三代Yukawa耦合统一是否可实现，同时与费米实验室(g−2)μ结果保持一致。
• 识别超引力(SUGRA)参数空间中可行区域，使得超对称圈修正可解释缪子g−2中4.2σ的偏差。
• 计算超粒子质量谱，特别关注轻 sleptons 和弱子、重胶微子与 squarks 的分裂谱。
• 利用深度神经网络模拟高亮度和高能LHC中这些超粒子的发现潜力，用于事件分类。
• 估算在HL-LHC和HE-LHC上观测预测超粒子所需的积分亮度。

提出的方法

• 构建一个包含大Higgs表示（126+126、210、10+10、120）的SO(10) SUGRA模型，以实现缺失伙伴机制和规范对称性破缺。
• 在超势中同时引入三次（W3）和四次（W4）相互作用的Yukawa耦合，并显式计算来自高维算符的贡献。
• 使用深度神经网络（DNN）扫描SUGRA参数空间，识别出由超对称圈修正解释(g−2)μ异常的区域。
• 执行谱计算以确定超粒子质量，识别出轻 sleptons（几百GeV）和重胶微子/squarks的分裂谱。
• 通过蒙特卡罗事件生成模拟LHC上的slepton对产生，应用运动学和DNN驱动的选择性筛选，以区分信号与背景。
• 利用信号与背景显著性估算在HL-LHC（14 TeV，3000 fb⁻¹）和HE-LHC（27 TeV，700–2100 fb⁻¹）上发现所需的积分亮度。

实验结果

研究问题

• RQ1 在SO(10) GUT模型中，第三代Yukawa耦合统一是否可实现，同时解释费米实验室(g−2)μ异常？
• RQ2 SUGRA参数空间中哪些区域允许超对称贡献与4.2σ偏差一致？
• RQ3 此类模型中的超粒子质量谱如何？是否预测了具有轻sleptons的分裂谱？
• RQ4 在HL-LHC和HE-LHC上，预测的轻sleptons可探测性如何？需要多大的积分亮度？
• RQ5 深度神经网络在提升双轻子末态中slepton对产生信号灵敏度方面效果如何？

主要发现

• 解释(g−2)μ异常的首选参数空间位于胶微子驱动的辐射对称性破缺区域（˜gSUGRA），在此区域超对称圈修正可产生所需修正。
• 通过超势中三次和四次相互作用的共同贡献，顶夸克、底夸克和tau费米子的Yukawa耦合在GUT尺度实现了统一。
• 该模型预测了分裂超粒子谱：轻sleptons和弱子（几百GeV），以及重胶微子、squarks和Higgsinos。
• 在HE-LHC上，双轻子末态的slepton对产生可在最低700 fb⁻¹积分亮度下被探测到，而HL-LHC对部分基准模型可能需要高达2100 fb⁻¹。
• 深度神经网络显著提升了信号区分能力，在基准(b)中27 TeV下2800 fb⁻¹时已观测到信号过背景，基准(g)在700 fb⁻¹时即可实现发现。
• 所有考虑的基准(f)、(g)、(h)和(i)在HE-LHC上均可探测，而仅最易探测的基准(g)、(h)、(i)在HL-LHC上可能被探测到，基准(b)和(d)仅在HE-LHC上可探测。