ATLAS Experiment frigiver ny søgning efter stærk supersymmetri

Nye partikler, der er følsomme over for den stærke interaktion, kan blive produceret i overflod i proton-protonkollisionerne genereret af Large Hadron Collider (LHC)-forudsat at de ikke er for tunge. Disse partikler kan være partnere for gluoner og kvarker forudsagt af supersymmetri (SUSY), en foreslået udvidelse af standardmodellen for partikelfysik, der ville udvide dens forudsigelseskraft til at omfatte meget højere energier. I de enkleste scenarier, disse "gluinos" og "squarks" ville blive produceret i par, og henfalde direkte til kvarker og en ny stabil neutral partikel ("neutralinoen"), som ikke ville interagere med ATLAS -detektoren. Neutralinoen kunne være hovedbestanddelen i mørkt stof.

ATLAS Collaboration har ledt efter sådanne processer siden de tidlige dage af LHC -driften. Fysikere har undersøgt kollisionsbegivenheder med "jetfly" af hadroner, hvor der er en stor ubalance i disse jetflys momenta i planet vinkelret på de kolliderende protoner ("mangler tværgående momentum, "E _T ^{gå glip af} ). Denne manglende fremdrift ville blive båret væk af de uopdagelige neutralinoer. Indtil nu, ATLAS -søgninger har ført til stadig strammere begrænsninger for de mindst mulige masser af squarks og gluinos.

Er det muligt at gøre det bedre med flere data? Sandsynligheden for at producere disse tunge partikler falder eksponentielt med deres masser, og dermed går gentagelse af de tidligere analyser med et større datasæt kun så langt. Ny, sofistikerede metoder, der hjælper med bedre at skelne et SUSY -signal fra baggrunden Standardmodelhændelser er nødvendige for at tage disse analyser videre. Afgørende forbedringer kan komme fra at øge effektiviteten til valg af signalhændelser, forbedring af afvisning af baggrundsprocesser, eller kigger ind i mindre udforskede regioner.

På Lepton Photon Symposium i Toronto, Canada, ATLAS Collaboration præsenterede nye resultater, der illustrerer fordelene ved mere avancerede analyseteknikker, som var banebrydende i andre søgekanaler. Følsomheden af ​​den nye analyse forbedres betydeligt takket være brugen af ​​to komplementære metoder.

I den første tilgang, kaldet "multi-bin søgning, "Begivenhederne klassificeres i skraldespande defineret af to observerbare ting:den effektive masse og E _T ^{gå glip af} betydning. Disse karakteriserer mængden af ​​energi, der er involveret i interaktionen (store, hvis der blev produceret tunge partikler), og hvor usandsynligt den observerede E _T ^{gå glip af} er forårsaget af de flygtende neutralinoer frem for fejlmåling af jet -energier. Med op til 24 ortogonale skraldespande defineret ad gangen, søgningen er følsom over for en lang række masser af gluinos, squarks og neutralinos (figur 1 (til venstre)).

Den anden tilgang, kendt som "Boosted Decision Tree (BDT) -søgning, "bruger klassificeringsalgoritmer til maskinlæring til bedre at skelne mellem et potentielt signal. BDT'erne er trænet med nogle af jetflyets kinematiske egenskaber + E _T ^{gå glip af} endelige stater, forudsagt af Monte Carlo -simuleringen for signal- og baggrundshændelser. Otte sådanne diskriminanter er defineret, hver optimeret til en anden region af parameteren og modelrummet (figur 1 (højre)).

De nye resultater gjorde brug af det fulde LHC Run 2 -datasæt, svarende til en integreret lysstyrke på 139 fb ^-1 , og viste ingen signifikant forskel mellem antallet af observerede hændelser og standardmodelforudsigelserne i de signalberigede områder. Der blev derfor fastsat udelukkelsesgrænser for masserne af gluinos, squarks og neutralinos, under forudsætning af forskellige scenarier. Nogle eksempler er vist i figur 2. Til multi-bin søgning, styrken af ​​alle skraldespandene kan bringes på én gang, øge analysens eksklusionsstyrke.