トップクォークとヒッグス粒子間のフレーバーを変える中性カレント結合の、ATLAS検出器を用いた多レプトン最終状態における探索

Q: 今後、より高輝度、高エネルギーの衝突型加速器を用いることで、FCNCの探索はどのように進展すると考えられるでしょうか？

より高輝度、高エネルギーの衝突型加速器は、FCNC探索を大きく前進させる可能性を秘めています。 高輝度化 により、生成断面積の小さいFCNC過程のイベント数を増やすことができます。本研究で対象としたような、標準模型では極めて稀にしか起こらないと考えられているトップクォークとヒッグス粒子間のFCNCは、高輝度化による恩恵を大きく受けます。LHCの高輝度化 (HL-LHC) や、将来計画されているFuture Circular Collider (FCC)などでは、より多くのデータを取得することで、より高い統計的有意性でFCNCの探索が可能になります。 高エネルギー化 により、より重い粒子を生成できるようになり、未知のエネルギー領域におけるFCNCの探索が可能になります。例えば、超対称性理論などで存在が予言されている重いヒッグス粒子や、未知の重いクォークなどが、FCNCを通じてトップクォークと相互作用する可能性があります。高エネルギー領域の探索は、標準模型を超える新しい物理法則の発見に繋がる可能性を秘めています。 高輝度化と高エネルギー化は相補的な関係にあり、両者を組み合わせることで、FCNC探索の感度を飛躍的に向上させることができると期待されます。

Q: 本研究ではFCNCの兆候は見られなかったが、もしFCNCが発見された場合、素粒子物理学の標準模型にどのような影響を与えるでしょうか？

FCNC が発見された場合、それは素粒子物理学の標準模型を超える「新しい物理」の存在を示す決定的な証拠となります。標準模型は非常に成功した理論ですが、いくつかの未解決問題を抱えており、FCNC の存在はその問題を解決する鍵となる可能性があります。 標準模型の破綻: 標準模型では、FCNC は「GIM機構」と呼ばれるメカニズムによって抑制されています。もし有意な FCNC が発見された場合、GIM 機構が破綻していることを意味し、標準模型の修正もしくは全く新しい理論が必要となります。 新しい粒子の存在: FCNC は、標準模型に含まれない未知の粒子 (例えば、超対称性粒子のパートナーや、新しいタイプのヒッグス粒子など) の交換によって引き起こされる可能性があります。FCNC の発見は、これらの新しい粒子の存在を示唆し、新しい物理の探索を加速させるでしょう。 階層性問題への示唆: FCNC の強さは、新しい物理のエネルギー スケールと密接に関係しています。FCNC の発見は、標準模型のヒッグス粒子の質量に関する「階層性問題」に対する理解を深める上でも重要な手がかりとなります。 FCNC の発見は、素粒子物理学に革命をもたらす可能性を秘めています。

Q: 本研究で用いられた機械学習の手法は、他の物理現象の探索や解析にも応用できるでしょうか？

本研究で用いられた機械学習の手法は、他の物理現象の探索や解析にも幅広く応用可能です。 事象の分類: 本研究では、信号事象と背景事象を分類するために、人工ニューラルネットワークを用いた多変数解析が行われました。同様の手法は、ヒッグス粒子の崩壊モードの識別、新しい粒子探索における信号事象の選別など、様々な物理現象の解析に応用できます。 データの再構成: 本研究では、「Recursive Jigsaw Reconstruction」や「Neutrino Independent Combinatorics Estimator」といったアルゴリズムが、事象の再構成に用いられました。これらのアルゴリズムは、検出器の応答から、元の衝突事象で生成された粒子の運動量やエネルギーを推定するために開発されました。同様の手法は、ニュートリノなど、検出が難しい粒子の運動量再構成や、ジェットの起源となるパートンの運動量再構成など、様々な物理現象の解析に応用できます。 背景事象の推定: 本研究では、データ駆動型の手法を用いて、背景事象の寄与を精度良く推定しました。同様の手法は、宇宙線ミューオンなど、実験的に制御することが難しい背景事象の寄与を推定する際に有効です。 機械学習は、大量のデータから特徴を抽出し、複雑なパターンを認識する能力に長けています。素粒子物理学の分野では、今後ますます大規模で複雑なデータが得られることが予想されており、機械学習は物理現象の探索や解析において、ますます重要な役割を担うようになると考えられます。

Основні поняття

大型ハドロン衝突型加速器（LHC）のATLAS検出器を用いて、トップクォーク、ヒッグス粒子、アップまたはチャームクォーク間のフレーバーを変える中性カレント（FCNC）相互作用の探索が行われた。140 fb⁻¹の13 TeV陽子-陽子衝突データを用いて、t → Hq（qはアップまたはチャームクォーク）崩壊と、トップクォークとヒッグス粒子の関連生成の2つのチャネルが調査された。その結果、FCNCの兆候は見られず、分岐比B(t → Hu)とB(t → Hc)に対してこれまでにない厳しい上限が設定された。

Анотація

研究の概要

本論文は、欧州原子核研究機構（CERN）の大型ハドロン衝突型加速器（LHC）のATLAS検出器を用いて収集された140 fb⁻¹の13 TeV陽子-陽子衝突データを用い、トップクォーク、ヒッグス粒子、アップまたはチャームクォーク間のフレーバーを変える中性カレント（FCNC）相互作用を探索した研究について報告している。

研究の目的

標準模型（SM）では、フレーバーを変える中性カレント（FCNC）相互作用は木レベルでは禁じられており、高次ではGlashow-Iliopoulos-Maiani（GIM）機構によって強く抑制されている。SMは、トップクォークとヒッグス粒子を含むFCNC過程の分岐比を非常に小さく予測しており、t → Hq（qはアップまたはチャームクォーク）は10⁻¹⁵程度の確率でしか起こらないと予想されている。しかし、2つのヒッグス二重項モデル[2]など、SMを超える様々な理論では、この分岐比が10⁻³まで大幅に増強されると予測されている。したがって、LHCでこれらのまれな相互作用が観測されれば、SMを超える新しい物理の存在を示唆することになる。

実験方法

本研究では、t → Hq崩壊が豊富で、t → Hq崩壊信号に特化したt¯t生成と、qg → tH生成の割合が大きく、「Prod」チャネルと呼ばれるHt生成の2つのプロセスを検討した。解析では、2つの同符号レプトン（2ℓSS, ℓ = e, µ）または3つのレプトン（3ℓ, ℓ = e, µ）を含む最終状態に焦点を当て、後者では正確に2つのレプトンが同符号であることを要求した。

信号領域と背景推定のために、再帰型ジグソー再構成とニュートリノ非依存組み合わせ推定器という2つのカスタム再構成アルゴリズムが開発され、信号と背景の分離を高める変数が作成された。これらの変数は、人工ニューラルネットワーク（NN）を用いて、単一の判別式であるDNNスコアに結合された。

結果

NN出力分布は、信号正規化を得るためのプロファイル尤度適合への入力として使用された。データへの完全適合を実行する前に、背景過程のモデリングの一貫性を確保するために、信号感度の低い領域で背景のみの適合を実行した。tHu(tHc)信号の正規化の最良適合値はゼロと一致することがわかった。したがって、分岐比B(t → Hq)と有効場理論（EFT）次元6演算子Cuφのウィルソン係数の上限は、CLs法[5]を用いて計算された。その結果、FCNCの兆候は見られず、分岐比B(t → Hu) < 2.8(3.0) × 10⁻⁴、B(t → Hc) < 3.3(3.8) × 10⁻⁴という上限が得られた。

結論

本研究の結果は、トップクォークとヒッグス粒子間のFCNC結合に対する最も厳しい制限を示しており、FCNC相互作用を記述する有効場理論のウィルソン係数に制限を与えるものである。この解析と、ヒッグス粒子のττ、b¯b、γγへの崩壊を含む他のATLAS FCNC探索を組み合わせることで、感度がさらに向上し、将来の研究のための新しいベンチマークが設定された。

Налаштувати зведення

Переписати за допомогою ШІ

Згенерувати цитати

Перекласти джерело

Іншою мовою

Згенерувати інтелект-карту

із вихідного контенту

Перейти до джерела

arxiv.org

Статистика

データセット: 140 fb⁻¹の13 TeV陽子-陽子衝突データ
分岐比の上限: B(t → Hu) < 2.8(3.0) × 10⁻⁴, B(t → Hc) < 3.3(3.8) × 10⁻⁴

Цитати

"The SM predicts extremely small branching ratios for FCNC processes involving the top quark and Higgs boson, with t →Hq (where q is an up or charm quark) expected to occur at a rate of around 10−15."
"However, various beyond the SM theories, such as the two-Higgs-doublet models [2], predict significantly enhanced ratios of up to 10−3."

Ключові висновки, отримані з

Search for flavour-changing neutral current couplings between the top quark and the Higgs boson in multilepton final states with the ATLAS detector

by Shayma Wahda... о arxiv.org 11-22-2024

https://arxiv.org/pdf/2411.14026.pdf

Search for flavour-changing neutral current couplings between the top quark and the Higgs boson in multilepton final states with the ATLAS detector

Глибші Запити

今後、より高輝度、高エネルギーの衝突型加速器を用いることで、FCNCの探索はどのように進展すると考えられるでしょうか？

より高輝度、高エネルギーの衝突型加速器は、FCNC探索を大きく前進させる可能性を秘めています。

高輝度化 により、生成断面積の小さいFCNC過程のイベント数を増やすことができます。本研究で対象としたような、標準模型では極めて稀にしか起こらないと考えられているトップクォークとヒッグス粒子間のFCNCは、高輝度化による恩恵を大きく受けます。LHCの高輝度化 (HL-LHC) や、将来計画されているFuture Circular Collider (FCC)などでは、より多くのデータを取得することで、より高い統計的有意性でFCNCの探索が可能になります。
高エネルギー化 により、より重い粒子を生成できるようになり、未知のエネルギー領域におけるFCNCの探索が可能になります。例えば、超対称性理論などで存在が予言されている重いヒッグス粒子や、未知の重いクォークなどが、FCNCを通じてトップクォークと相互作用する可能性があります。高エネルギー領域の探索は、標準模型を超える新しい物理法則の発見に繋がる可能性を秘めています。
高輝度化と高エネルギー化は相補的な関係にあり、両者を組み合わせることで、FCNC探索の感度を飛躍的に向上させることができると期待されます。

本研究ではFCNCの兆候は見られなかったが、もしFCNCが発見された場合、素粒子物理学の標準模型にどのような影響を与えるでしょうか？

FCNC が発見された場合、それは素粒子物理学の標準模型を超える「新しい物理」の存在を示す決定的な証拠となります。標準模型は非常に成功した理論ですが、いくつかの未解決問題を抱えており、FCNC の存在はその問題を解決する鍵となる可能性があります。

標準模型の破綻:  標準模型では、FCNC は「GIM機構」と呼ばれるメカニズムによって抑制されています。もし有意な FCNC が発見された場合、GIM 機構が破綻していることを意味し、標準模型の修正もしくは全く新しい理論が必要となります。
新しい粒子の存在: FCNC は、標準模型に含まれない未知の粒子 (例えば、超対称性粒子のパートナーや、新しいタイプのヒッグス粒子など) の交換によって引き起こされる可能性があります。FCNC の発見は、これらの新しい粒子の存在を示唆し、新しい物理の探索を加速させるでしょう。
階層性問題への示唆: FCNC の強さは、新しい物理のエネルギー スケールと密接に関係しています。FCNC の発見は、標準模型のヒッグス粒子の質量に関する「階層性問題」に対する理解を深める上でも重要な手がかりとなります。
FCNC の発見は、素粒子物理学に革命をもたらす可能性を秘めています。

本研究で用いられた機械学習の手法は、他の物理現象の探索や解析にも応用できるでしょうか？

本研究で用いられた機械学習の手法は、他の物理現象の探索や解析にも幅広く応用可能です。

事象の分類: 本研究では、信号事象と背景事象を分類するために、人工ニューラルネットワークを用いた多変数解析が行われました。同様の手法は、ヒッグス粒子の崩壊モードの識別、新しい粒子探索における信号事象の選別など、様々な物理現象の解析に応用できます。
データの再構成: 本研究では、「Recursive Jigsaw Reconstruction」や「Neutrino Independent Combinatorics Estimator」といったアルゴリズムが、事象の再構成に用いられました。これらのアルゴリズムは、検出器の応答から、元の衝突事象で生成された粒子の運動量やエネルギーを推定するために開発されました。同様の手法は、ニュートリノなど、検出が難しい粒子の運動量再構成や、ジェットの起源となるパートンの運動量再構成など、様々な物理現象の解析に応用できます。
背景事象の推定: 本研究では、データ駆動型の手法を用いて、背景事象の寄与を精度良く推定しました。同様の手法は、宇宙線ミューオンなど、実験的に制御することが難しい背景事象の寄与を推定する際に有効です。
機械学習は、大量のデータから特徴を抽出し、複雑なパターンを認識する能力に長けています。素粒子物理学の分野では、今後ますます大規模で複雑なデータが得られることが予想されており、機械学習は物理現象の探索や解析において、ますます重要な役割を担うようになると考えられます。